改进的最优方案的下界与推断

因果效应的点识别需要强大的假设，在许多实际情境下都不合理。然而，在合理的假设下，人们常常可以推导出这些效应的较为宽松的下界。即使这些下界较宽或涵盖零效应，它们也能基于形式决策论准则指导实际决策。本文在感兴趣效应受限的情境下，推导了关于最优处理方案的新结果。这些结果由次最优方案的考虑所驱动；我们定义的方案利用个体的自然处理值，而这在现有文献中通常被忽略。我们获得（尖锐的）次最优方案价值函数的下界，并提供相对于常规最优方案的性能保证。作为案例研究，我们考虑一个常研究的边际灵敏度模型，说明在常规最优方案不能被识别时，次最优方案可以被识别。我们同样在工具变量情境下说明了这一属性。最后，我们在工具变量情境下，基于最近的协变量调整 Balke-Pearl 下界结果，推导了对次最优价值上、下界的有效估计量。这些估计量被用于研究及时接受 ICU 入院对生存率的影响。