Policy Targeting under Network Interference
网络干扰下的政策定向配置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：摘要直接研究实验或准实验信息支持下的处理配置，以及网络溢出导致的个体间干扰。
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
网络干扰下的政策定向配置
- 研究问题
- 当处理会通过网络产生溢出时，如何利用实验或准实验信息配置处理，并在政策约束下提高总体社会福利？
- 方法与思路
- 作者构造倾向得分已知或未知时的半参数福利估计量，并将样本平均福利最大化转为混合整数线性规划。
- 材料陈述的贡献
- 摘要称方法提供后悔值保证，利用处理效应异质性实施定向配置，无需目标人群网络信息，并允许政策函数约束。
- 阅读关注点
- 应核对溢出结构、实验信息向目标人群推广的条件、福利估计与后悔值界，以及整数规划的实际计算规模。
- 阅读边界
- 摘要未说明网络依赖、识别和推广所需的具体条件；无需目标人群网络信息的适用范围仍须查阅全文。
原文摘要
Abstract This article studies the problem of optimally allocating treatments in the presence of spillover effects, using information from a (quasi-)experiment. I introduce a method that maximizes the sample analogue of average social welfare when spillovers occur. I construct semi-parametric welfare estimators with known and unknown propensity scores and cast the optimization problem into a mixed-integer linear program, which can be solved using off-the-shelf algorithms. I derive a strong set of guarantees on regret, i.e. the difference between the maximum attainable welfare and the welfare evaluated at the estimated policy. The proposed method presents attractive features for applications: (i) it does not require network information of the target population; (ii) it exploits heterogeneity in treatment effects for targeting individuals; (iii) it does not rely on the correct specification of a particular structural model; and (iv) it accommodates constraints on the policy function. An application for targeting information on social networks illustrates the advantages of the method.