Treatment Allocation under Uncertain Costs
成本不确定时的处理分配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：摘要以随机试验和异质性处理效应为基础研究最优处理分配。
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…
成本不确定时的处理分配
- 研究问题
- 当处理成本不确定且随处理前协变量变化时，如何利用试验数据学习预算约束下的最优处理分配规则？
- 方法与思路
- 作者提出按优先分数排序的阈值分配规则，并利用随机试验学习分数；理论借助与工具变量异质性效应学习的联系。
- 材料陈述的贡献
- 摘要称刻画了预算约束下的最优阈值规则，提出多种可实施的分数学习方法，并在若干经验评估中表现良好。
- 阅读关注点
- 应核对预算约束如何处理随机成本、优先分数的定义、工具变量联系所需条件，以及学习后规则的价值评估方式。
- 阅读边界
- 这是预印本，不能据此认定已同行评审或期刊接收；摘要未说明成本与效应的具体识别条件及经验比较数值。
原文摘要
We consider the problem of learning how to optimally allocate treatments whose cost is uncertain and can vary with pre-treatment covariates. This setting may arise in medicine if we need to prioritize access to a scarce resource that different patients would use for different amounts of time, or in marketing if we want to target discounts whose cost to the company depends on how much the discounts are used. Here, we show that the optimal treatment allocation rule under budget constraints is a thresholding rule based on priority scores (those with a higher score are treated first), and we propose a number of practical methods for learning these priority scores using data from a randomized trial. Our formal results leverage a statistical connection between our problem and that of learning heterogeneous treatment effects under endogeneity using an instrumental variable. We find our method to perform well in a number of empirical evaluations.