Minimax-Regret Sample Selection in Randomized Experiments
随机实验中的最小最大遗憾样本选择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。
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：摘要直接研究随机对照试验的入组与样本配置，以异质处理收益和后续福利决策为依据。
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…
随机实验中的最小最大遗憾样本选择
- 研究问题
- 当不同子群体的处理收益可能不同，随机试验应招募哪些人、如何分配样本，才能服务于异质总体中的福利决策？
- 方法与思路
- 作者把试验入组与样本配置写入最小最大遗憾框架，在不同条件下推导最优方案，并用疫苗试验数据讨论决策差异。
- 材料陈述的贡献
- 摘要称，论文导出多种条件下的最优样本选择方案，并展示不同福利目标与决策规则可产生实质不同的配置建议。
- 阅读关注点
- 应核对福利与遗憾的定义、允许的效应异质性、样本预算和决策规则，以及经验示例中总体信息如何进入配置问题。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未核实；摘要未列出最优配置的具体条件和比例，结论不能脱离目标函数直接使用。
原文摘要
Randomized controlled trials are often run in settings with many subpopulations that may have differential benefits from the treatment being evaluated. We consider the problem of sample selection, i.e., whom to enroll in a randomized trial, such as to optimize welfare in a heterogeneous population. We formalize this problem within the minimax-regret framework, and derive optimal sample-selection schemes under a variety of conditions. Using data from a COVID-19 vaccine trial, we also highlight how different objectives and decision rules can lead to meaningfully different guidance regarding optimal sample allocation.