Counterfactual prediction in complete information games: Point prediction under partial identification
完全信息博弈的反事实预测：部分识别下的点预测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：摘要研究离散决策博弈、纳什均衡和结构模型中的反事实概率预测。
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
完全信息博弈的反事实预测：部分识别下的点预测
- 研究问题
- 完全信息离散决策博弈存在多个纯策略纳什均衡时，如何界定反事实预测概率，并在部分识别下选择点预测？
- 方法与思路
- 作者区分多种反事实并推导尖锐识别界，比较中点、狄利克雷先验、最大熵及带熵约束的极小极大预测方法。
- 材料陈述的贡献
- 摘要称建立反事实概率的尖锐界，并比较多种点预测规则；作者综合权衡后偏向最大熵方法，且讨论其他部分识别模型的启示。
- 阅读关注点
- 应核对各类反事实的定义、尖锐界依赖的信息和限制，以及点预测规则的评价标准、先验作用与熵约束的选择。
- 阅读边界
- 仅据所给出版社摘要，最大熵方法只是作者比较后的判断，不能据此断言普遍最优；均衡选择限制和具体损失标准未说明。
原文摘要
We study the problem of counterfactual prediction in discrete decision games with complete information, pure strategies, and Nash equilibria: the presence of multiple equilibria poses unique challenges. We introduce multiple types of counterfactuals to establish sharp identified bounds for their prediction probabilities. We propose and compare various point prediction methods, namely midpoint prediction, an approach using a Dirichlet-based prior, a maximum entropy method, and minmax with an entropy constraint. On balance, we conclude that the maximum-entropy approach is the least of several evils. Our results have implications for counterfactual prediction in other models with partial identification.