Policy Learning for Optimal Dynamic Treatment Regimes with Observational Data
利用观察数据学习最优动态处理规则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：摘要明确研究观察数据下的动态处理分配，依赖序贯可忽略性并使用 AIPW 政策价值估计，因此归入因果推断方向。
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…
关注这篇论文的作者
利用观察数据学习最优动态处理规则
- 研究问题
- 当个体在多个阶段接受干预且历史不断变化时，如何从观察数据学习各阶段的处理分配规则，以获得较高的总体福利并控制福利遗憾？
- 方法与思路
- 作者在序贯可忽略性假设下提出双重稳健的分类学习方法，通过逆向归纳，在各阶段构造并最大化 AIPW 政策价值估计量。
- 材料陈述的贡献
- 摘要称，在干扰成分估计满足相应收敛条件时，学得的动态处理规则可达到福利遗憾的最优 n^{-1/2} 收敛速率。
- 阅读关注点
- 应核对序贯可忽略性、政策类的限制、各阶段双重稳健性的含义，以及辅助估计量需要的收敛条件和最优速率所针对的比较范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明完整条件或有限样本结果，不能据此判断实际观察数据满足识别要求。
原文摘要
Public policies and medical interventions often involve dynamic treatment assignments, in which individuals receive a sequence of interventions over multiple stages. We study the statistical learning of optimal dynamic treatment regimes (DTRs) that determine the optimal treatment assignment for each individual at each stage based on their evolving history. We propose a novel, doubly robust, classification-based method for learning the optimal DTR from observational data under the sequential ignorability assumption. The method proceeds via backward induction: at each stage, it constructs and maximizes an augmented inverse probability weighting (AIPW) estimator of the policy value function to learn the optimal stage-specific policy. We show that the resulting DTR achieves an optimal convergence rate of $n^{-1/2}$ for welfare regret under mild convergence conditions on estimators of the nuisance components.