Statistical treatment choice based on asymmetric minimax regret criteria
基于非对称极小极大遗憾准则的统计处理选择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：摘要讨论实验结果支持下的处理选择和福利损失，属于因果推断相关的政策决策问题，重点在决策而非单纯效应估计。
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
基于非对称极小极大遗憾准则的统计处理选择
- 研究问题
- 当现有处理的结果分布已知、新处理仅有有限样本时，规划者如何在两类错误选择具有不同福利代价的情况下作出处理决策？
- 方法与思路
- 作者以选错处理造成的期望福利损失定义遗憾，对错误采用创新和错误拒绝创新施加非对称准则，并分析不同结果分布下的决策。
- 材料陈述的贡献
- 摘要称对正态、伯努利和有界结果实验给出精确有限样本解，并从遗憾角度评价经典假设检验与功效计算下的处理及样本量选择。
- 阅读关注点
- 应核对非对称遗憾准则的数学定义、福利与总体分配目标、各类分布下精确解的条件，以及检验规则与最优决策的比较口径。
- 阅读边界
- 解读限于所给出版社摘要；非对称权重、具体决策阈值与样本量结论未说明，现有处理分布已知的设定也限制了直接应用范围。
原文摘要
This paper studies the problem of treatment choice between a status quo treatment with a known outcome distribution and an innovation whose outcomes are observed only in a finite sample. I evaluate statistical decision rules, which are functions that map sample outcomes into the planner’s treatment choice for the population, based on regret, which is the expected welfare loss due to assigning inferior treatments. I extend previous work started by Manski (2004) that applied the minimax regret criterion to treatment choice problems by considering decision criteria that asymmetrically treat Type I regret (due to mistakenly choosing an inferior new treatment) and Type II regret (due to mistakenly rejecting a superior innovation) and derive exact finite sample solutions to these problems for experiments with normal, Bernoulli and bounded distributions of outcomes. The paper also evaluates the properties of treatment choice and sample size selection based on classical hypothesis tests and power calculations in terms of regret.