Estimating the Value of Evidence-Based Decision Making
循证决策价值的估计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：摘要聚焦经验贝叶斯与统计决策价值，未明确涉及处理效应识别、面板结构或收益预测，现有信息不足以归入所列细分领域。
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
循证决策价值的估计
- 研究问题
- 组织如何量化统计证据对业务或政策决策的价值，并衡量提高统计精度与提出新项目的收益，以平衡证据获取成本？
- 方法与思路
- 作者提出经验评估框架，使用参数和非参数经验贝叶斯方法处理参数异质性，并分析统计精度与证据转化规则对决策价值的影响。
- 材料陈述的贡献
- 摘要称框架可评估循证决策以及精度和项目构想的投入回报，且基于显著性的常见决策规则可能损失价值，甚至产生负预期价值。
- 阅读关注点
- 应核对决策价值的效用与成本定义、经验贝叶斯分布的估计依据，以及显著性规则导致负价值所需的参数配置和比较基准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明数据来源、收益函数与具体估计结果，负价值结论的适用条件不明。
原文摘要
In an era of data abundance, statistical evidence is increasingly critical for business and policy decisions. Yet, organizations lack empirical tools to assess the value of evidence-based decision making (EBDM), optimize statistical precision, and balance the costs of evidence-gathering strategies against their benefits. To tackle these challenges, this article introduces an empirical framework to estimate the value of EBDM and evaluate the return on investment in statistical precision and project ideation. The framework leverages parametric and nonparametric empirical Bayes methods to account for parameter heterogeneity and measure how statistical precision changes the value of evidence. The value extracted from statistical evidence depends critically on how organizations translate evidence into policy decisions. Commonly used decision rules based on statistical significance can leave substantial value unrealized and, in some cases, generate negative expected value.