Treatment Choice with Nonlinear Regret
非线性遗憾下的处理选择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：摘要围绕处理分配的福利遗憾和最优处理规则展开，与因果推断中的处理决策直接相关。
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
非线性遗憾下的处理选择
- 研究问题
- 当平均福利遗憾对抽样不确定性敏感时，采用遗憾的非线性变换作为决策目标，会如何改变最优处理规则及处理比例？
- 方法与思路
- 作者以决策理论研究非线性遗憾，重点最小化平均平方遗憾，推导有限样本贝叶斯及极小极大处理比例，并扩展至极限实验。
- 材料陈述的贡献
- 摘要称，非线性遗憾下单一选择规则并非本质完备，并给出平均平方遗憾最优比例的闭式表达及回归、样本量计算应用。
- 阅读关注点
- 应核对福利和遗憾的定义、处理比例的实施含义、先验与参数空间设置，并检查非线性目标如何改变规则完备性及最优解。
- 阅读边界
- 这是 arXiv 预印本，未核验同行评审或期刊接收；摘要未说明完整决策设定与闭式公式，平方遗憾的最优性不能推广到所有福利准则。
原文摘要
The literature focuses on the mean of welfare regret, which can lead to undesirable treatment choice due to sensitivity to sampling uncertainty. We propose to minimize the mean of a nonlinear transformation of regret and show that singleton rules are not essentially complete for nonlinear regret. Focusing on mean square regret, we derive closed-form fractions for finite-sample Bayes and minimax optimal rules. Our approach is grounded in decision theory and extends to limit experiments. The treatment fractions can be viewed as the strength of evidence favoring treatment. We apply our framework to a normal regression model and sample size calculation.