Policy Learning under Unobserved Confounding: A Robust and Efficient Approach
未观测混杂下的政策学习：稳健且有效的方法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：摘要研究未观测混杂下的反事实福利、敏感性分析与处理政策学习，直接属于因果推断。
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…
未观测混杂下的政策学习：稳健且有效的方法
- 研究问题
- 从存在未观测混杂的观察数据学习政策时，如何在给定选择偏差敏感性范围内，优化最坏情形福利或相对基准政策的改进？
- 方法与思路
- 作者用边际敏感性模型约束反事实分布，推导两类稳健福利准则的闭式表达，构造双重稳健得分并结合机器学习估计干扰成分。
- 材料陈述的贡献
- 摘要称方法给出稳健政策的估计程序与渐近遗憾界，允许干扰估计以较慢速度收敛，并通过模拟及 JTPA、Head Start 应用进行评价。
- 阅读关注点
- 应核对敏感性参数及不确定集合的含义、最坏福利与政策改进准则的区别，以及双重稳健性、政策类复杂度和遗憾界所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明参数校准或具体误差界，稳健保证只针对模型规定的混杂集合，并非任意混杂。
原文摘要
This paper develops a robust and efficient method for policy learning from observational data in the presence of unobserved confounding, complementing existing instrumental variable (IV) based approaches. We employ the marginal sensitivity model (MSM) to relax the commonly used yet restrictive unconfoundedness assumption by introducing a sensitivity parameter that captures the extent of selection bias induced by unobserved confounders. Building on this framework, we consider two distributionally robust welfare criteria, defined as the worst-case welfare and policy improvement functions, evaluated over an uncertainty set of counterfactual distributions characterized by the MSM. Closed-form expressions for both welfare criteria are derived. Leveraging these identification results, we construct doubly robust scores and estimate the robust policies by maximizing the proposed criteria. Our approach accommodates flexible machine learning methods for estimating nuisance components, even when these converge at moderately slow rates. We establish asymptotic regret bounds for the resulting policies, providing a robust guarantee against the most adversarial confounding scenario. The proposed method is evaluated through extensive simulation studies and empirical applications to the JTPA study and Head Start program.