Fair Policy Targeting
公平的政策定向配置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：摘要研究社会福利干预的个体化处理配置规则及其效率、公平性，直接关联因果政策学习。
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
公平的政策定向配置
- 研究问题
- 社会福利项目实施个体化干预时，如何兼顾治疗配置的效率与敏感属性间的公平，并避免通过牺牲福利来追求公平？
- 方法与思路
- 作者采用不伤害原则，在帕累托前沿内选择最公平的配置规则，将优化问题写成可由现成算法求解的混合整数线性规划。
- 材料陈述的贡献
- 摘要称，研究给出估计政策不公平性的遗憾界，以及一般公平概念下帕累托前沿的小样本保证，并提供教育经济学应用。
- 阅读关注点
- 应核对福利目标、公平指标和帕累托关系的定义，以及干预收益的识别条件、遗憾界与优化求解之间的关系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明因果识别假设，也未给出不同公平定义的具体取舍。
原文摘要
One of the major concerns of targeting interventions on individuals in social welfare programs is discrimination: individualized treatments may induce disparities across sensitive attributes such as age, gender, or race. This article addresses the question of the design of fair and efficient treatment allocation rules. We adopt the nonmaleficence perspective of “first do no harm”: we select the fairest allocation within the Pareto frontier. We cast the optimization into a mixed-integer linear program formulation, which can be solved using off-the-shelf algorithms. We derive regret bounds on the unfairness of the estimated policy function and small sample guarantees on the Pareto frontier under general notions of fairness. Finally, we illustrate our method using an application from education economics. Supplementary materials for this article are available online.