Empirical Welfare Maximization with Constraints
带约束的经验福利最大化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：摘要以数据驱动的福利项目资格分配和Medicaid政策选择为核心，最贴近因果政策学习。
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
带约束的经验福利最大化
- 研究问题
- 根据数据选择福利项目资格政策时，如果政策福利与实施预算都需要估计，如何在福利最大化和满足预算之间作出决策？
- 方法与思路
- 作者扩展经验福利最大化框架，将预算估计误差纳入决策，研究一致满足目标的不可行性，并提出替代权衡规则。
- 材料陈述的贡献
- 摘要称在所考虑的广泛数据生成过程上，最高福利与预算约束无法由规则统一兼顾，并以参与不完全的Medicaid扩张示例说明。
- 阅读关注点
- 核对不可行结论所针对的规则、福利目标与数据生成过程集合，以及替代规则如何定义权衡、处理预算误差和参与不完全。
- 阅读边界
- 这是arXiv预印本，同行评审或期刊接收未核实；摘要未说明约束满足的具体概率标准、理论条件及替代规则的数值表现。
原文摘要
Empirical Welfare Maximization (EWM) is a framework that can be used to select welfare program eligibility policies based on data. This paper extends EWM by allowing for uncertainty in estimating the budget needed to implement the selected policy, in addition to its welfare. Due to the additional estimation error, I show there exist no rules that achieve the highest welfare possible while satisfying a budget constraint uniformly over a wide range of DGPs. This differs from the setting without a budget constraint where uniformity is achievable. I propose an alternative trade-off rule and illustrate it with Medicaid expansion, a setting with imperfect take-up and varying program costs.