A Rank Graduation metric for Algorithmic fairness

论文提出基于排序的公平性评估框架 Rank Graduation Fairness（RGF）及其综合指标 AURGF，结合中心化 Cramér–von Mises 置换检验与特征移除程序，用于解释不公平性的来源。在 HMDA 抵押贷款数据上的实验表明，基于树的模型在预测精度与排序公平性上表现最强，且四种模型的公平性零假设均被拒绝，不公平性并非由单一算法或特征导致。