Decision Theory for Treatment Choice Problems with Partial Identification
部分识别下处理选择问题的决策理论AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究部分识别的处理选择，并讨论实验估计汇总、局部平均处理效应外推及遗漏变量偏误。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
部分识别下处理选择问题的决策理论
- 研究问题
- 当处理选择问题中的福利差异只能部分识别时，最大最小福利与最小最大遗憾准则如何影响数据使用及政策推荐的随机化？
- 方法与思路
- 作者在具有高斯似然的一类部分识别问题中应用统计决策理论，分析可容许性与两类决策准则，并刻画最少随机化的最小最大遗憾规则。
- 材料陈述的贡献
- 摘要称，所述问题类中所有规则可容许，忽略数据符合最大最小福利；严重部分识别时存在无穷多个最小最大遗憾最优规则。
- 阅读关注点
- 应核对参数空间、福利与遗憾的定义、“严重”部分识别的阈值，以及最少随机化规则的唯一性和剖面遗憾比较条件。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要未给出完整问题类与阈值，忽略数据的结论不能推广为一般政策决策建议。
原文摘要
We apply classical statistical decision theory to a large class of treatment choice problems with partial identification. We show that, in a general class of problems with Gaussian likelihood, all decision rules are admissible; it is maximin-welfare optimal to ignore all data; and, for severe enough partial identification, there are infinitely many minimax-regret optimal decision rules, all of which sometimes randomize the policy recommendation. We uniquely characterize the minimax-regret optimal rule that least frequently randomizes, and show that, in some cases, it can outperform other minimax-regret optimal rules in terms of what we term profiled regret. We analyze the implications of our results in the aggregation of experimental estimates for policy adoption, extrapolation of Local Average Treatment Effects, and policy making in the presence of omitted variable bias.