ROBUST BAYES TREATMENT CHOICE WITH PARTIAL IDENTIFICATION
部分识别下的稳健贝叶斯处理选择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：摘要研究基于实验数据的处理选择、外部有效性及多站点随机试验汇总，直接涉及因果推断与处理决策。
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…
部分识别下的稳健贝叶斯处理选择
- 研究问题
- 当二元处理决策的相关参数仅被部分识别时，多先验稳健贝叶斯决策在事前与事后是否一致，允许随机分配又会如何改变最优规则？
- 方法与思路
- 作者选取一组先验分布，分别推导允许和不允许随机化时的事前、事后稳健贝叶斯规则，并讨论实验外部有效性与多站点试验汇总。
- 材料陈述的贡献
- 摘要称事前与事后规则通常不一致，某些数据实现下随机化可在两类问题中最优，因此排除随机规则一般会损失一般性。
- 阅读关注点
- 应核对先验集合、损失或遗憾函数、事前与事后评价的定义，以及外部有效性限制如何形成部分识别和影响随机化。
- 阅读边界
- 仅据所给 Crossref 版本摘要，先验集合和决策准则的具体形式未说明；示例结论不能直接转为现实政策建议，也不能推断刊本变化。
原文摘要
We study a class of binary treatment choice problems with partial identification through the lens of robust (multiple prior) Bayesian analysis. We use a convenient set of prior distributions to derive ex-ante and ex-post robust Bayes decision rules, both for decision makers who can randomize and for decision makers who cannot. Our main messages are as follows: First, ex-ante and ex-post robust Bayes decision rules do not agree in general, whether or not randomized rules are allowed. Second, randomized treatment assignment for some data realizations can be optimal in both ex-ante and, perhaps more surprisingly, ex-post problems. Therefore, it is usually with loss of generality to exclude randomized rules from consideration, even when regret is evaluated ex post. We apply our results to a stylized problem where a policy maker uses experimental data to choose whether to implement a new policy in a population of interest, but is concerned about the external validity of the experiment at hand, and to aggregation of data generated by multiple randomized control trials in different sites to make a policy choice in a population for which no experimental data are available.