Estimating Dynamic Marginal Policy Effects under Sequential Unconfoundedness
序贯无混杂条件下的动态边际政策效应估计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：摘要明确研究序贯无混杂下的动态政策效应识别及双重稳健估计，直接属于因果推断。
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
序贯无混杂条件下的动态边际政策效应估计
- 研究问题
- 在动态系统中，如何识别和估计微小政策调整对长期结果的影响，同时避免依赖完整动态状态或随期限指数增长的困难？
- 方法与思路
- 作者在一般序贯无混杂假设下推导动态边际政策效应的简化形式表达，并提出双重稳健估计器，通过模拟考察其表现。
- 材料陈述的贡献
- 摘要称方法无需观测完整动态状态，也不遭遇通常非马尔可夫离线政策评估中的期限指数困难，并以参考价格场景展示应用。
- 阅读关注点
- 应核对政策扰动与目标效应的定义、序贯无混杂所需的观测历史，以及双重稳健成立的模型组合和期限相关误差。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收状态未核实；摘要未说明重叠条件、推断程序或长期估计的具体误差界。
原文摘要
We develop methods for estimating how infinitesimal policy changes affect long-term outcomes in dynamic systems. We show that dynamic marginal policy effects (MPEs) can be identified via tractable reduced-form expressions, and can be estimated under a general sequential unconfoundedness assumption. We also propose a doubly robust estimator for dynamic MPEs. Our approach does not require observing full dynamic state information (as is typically assumed for off-policy evaluation in Markov decision processes), and does not incur an exponential curse of horizon (as is typical in non-Markovian off-policy evaluation). We demonstrate practicality and robustness of our approach in a number of simulations, including one motivated by a dynamic pricing application where people use past prices to form a reference level for current prices.