基于倾向得分、目标政策和治疗特定成本的插值随机干预
统计方法学
2026-01-21 v3
摘要
我们引入两种离散治疗的随机干预家族，将因果建模与成本敏感决策联系起来。这两种干预来源于独立产物倾向得分与参考政策之间进行成本惩罚信息投影，产生闭形式的布尔-吉姆斯耦合。由此产生的边际分布定义了通过倾斜参数平滑插值，从有机律或参考律向全要素极限的修改随机政策，当所有目的成本严格为正时。第一族家族恢复并扩展了增量倾向得分干预，保留了在全局正性不满足时的识别。对于这些政策后的预期结果推断，我们在非参数模型下推导了有效影响函数并构建了一步估计器。在仿真研究中，所提出的估计器相对于插拔基准在稳定性和对违约误差的鲁棒性方面表现更佳。该框架可以使在现实约束下的分级科学假设实现可操作化。由于输入是模块化的，分析师可以遍历可行的政策空间、原型候选方案，并在提交实验资源之前将干预与预算和物流一致。
引用
@article{arxiv.2511.11353,
title = {Interpolated stochastic interventions based on propensity scores, target policies and treatment-specific costs},
author = {Johan de Aguas},
journal= {arXiv preprint arXiv:2511.11353},
year = {2026}
}