Robust Network Targeting with Multiple Nash Equilibria
多重纳什均衡下的稳健网络干预配置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。
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：摘要明确研究相互作用个体的网络干预，并通过同时决策博弈及均衡结构估计政策。
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…
关注这篇论文的作者
多重纳什均衡下的稳健网络干预配置
- 研究问题
- 相互影响且存在战略互补的个体可能形成多个均衡时，如何配置个体化干预，使政策福利对反事实均衡选择机制保持稳健？
- 方法与思路
- 作者刻画均衡结果集合识别边界，不指定反事实均衡选择机制，以最大化最坏情形福利选择政策，并用贪心算法实施。
- 材料陈述的贡献
- 摘要称，提供均衡结果集合边界的闭式表达，以及同时计入抽样不确定性和算法误差的福利遗憾界，并展示小额信贷应用。
- 阅读关注点
- 应核对战略互补与均衡边界的条件、博弈参数如何估计，以及最坏情形福利准则、政策约束和贪心算法保证的具体范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明结构识别条件及遗憾界形式，稳健性仍依赖所设博弈与福利目标。
原文摘要
Many policy problems involve designing individualized treatment allocation rules to maximize the equilibrium social welfare of interacting agents. Focusing on large-scale simultaneous decision games with strategic complementarities, we develop a method to estimate an optimal treatment allocation rule that is robust to the presence of multiple equilibria. Our approach remains agnostic about changes in the equilibrium selection mechanism under counterfactual policies, and we provide a closed-form expression for the boundary of the set-identified equilibrium outcomes. To address the incompleteness that arises when an equilibrium selection mechanism is not specified, we use the maximin welfare criterion to select a policy, and implement this policy using a greedy algorithm. We establish a performance guarantee for our method by deriving a welfare regret bound, which accounts for sampling uncertainty and the use of the greedy algorithm. We demonstrate our method with an application to the microfinance dataset of Banerjee et al. (2013).