Treatment choice with nonlinear regret
非线性遗憾下的处理选择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：摘要直接研究基于福利与处理效果证据的统计处理选择，属于因果决策相关方向。
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
非线性遗憾下的处理选择
- 研究问题
- 统计处理选择若只最小化平均福利遗憾，是否忽略了遗憾分布中的重要特征；采用非线性遗憾准则会如何改变最优处理规则？
- 方法与思路
- 作者从决策理论出发最小化遗憾的非线性变换之期望，重点研究均方遗憾，推导有限样本贝叶斯与极小极大最优处理比例。
- 材料陈述的贡献
- 摘要称，非线性遗憾下单一决策规则并非本质完备，均方遗憾可得到闭式最优处理比例，并将框架扩展至极限实验及样本量计算。
- 阅读关注点
- 应核对单一规则与处理比例的准确含义、遗憾所依赖的福利定义，以及最优性结论的参数空间、先验和抽样实验设定。
- 阅读边界
- 仅据所给 Crossref 摘要；非线性变换的具体限制和闭式结果的适用条件未说明，不能据此认定该准则适合所有政策决策。
原文摘要
Summary Following Savage (1951)and Manski (2004), the literature on statistical treatment choice focuses on the mean of welfare regret. Ignoring other features of the regret distribution, however, can lead to a rule that is sensitive to sampling uncertainty. We propose to minimize the mean of a nonlinear transformation of regret and show that singleton rules are not essentially complete for nonlinear regret. Focusing on mean-square regret, we derive closed-form fractions for finite-sample Bayes and minimax optimal rules. Our approach is grounded in decision theory and extends to limit experiments. The treatment fractions can be viewed as the strength of evidence favouring treatment. We apply our framework to a normal regression model and sample-size calculations.