Minimax regret treatment choice with covariates or with limited validity of experiments
含协变量或实验有效性受限时的最小最大遗憾处理选择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。
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、实验不依从与选择性样本的部分识别展开，直接对应因果推断中的处理决策问题。
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
含协变量或实验有效性受限时的最小最大遗憾处理选择
- 研究问题
- 决策者依据样本结果向未来对象分配处理时，协变量影响与实验有效性受限会如何改变最小最大遗憾决策？
- 方法与思路
- 作者用概率度量约束协变量对结果分布的影响，并将选择性不依从和样本覆盖受限纳入界限分析，形成部分识别问题。
- 材料陈述的贡献
- 摘要称论文考察既有评分规则对现实决策环境变化的敏感性，并以部分识别框架处理大样本仍可能产生误导信号的情形。
- 阅读关注点
- 应核对遗憾函数与处理规则的定义、概率度量约束的强弱，以及不依从和选择性抽样如何影响识别界与最优决策。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法确定原评分规则在哪些扩展环境中仍然最优，也无法判断界限宽度或实际决策表现。
原文摘要
This paper continues the investigation of minimax regret treatment choice initiated by Manski (2004). Consider a decision maker who must assign treatment to future subjects after observing outcomes experienced in a sample. A certain scoring rule is known to achieve minimax regret in simple versions of this decision problem. I investigate its sensitivity to perturbations of the decision environment in realistic directions. They are as follows. (i) Treatment outcomes may be influenced by a covariate whose effect on outcome distributions is bounded (in one of numerous probability metrics). This is interesting because introduction of a covariate with unrestricted effects leads to a pathological result. (ii) The experiment may have limited validity because of selective noncompliance or because the sampling universe is a potentially selective subset of the treatment population. Thus, even large samples may generate misleading signals. These problems are formalized via a “bounds” approach that turns the problem into one of partial identification.