收益与技能存在差异下机器预测与人类决策
综合经济学
2020-11-24 v1 经济学
摘要
人类决策因激励与可得信息的差异而不同。这构成了评估机器学习预测能否及如何改善决策结果的重大挑战。我们提出一个框架，将基于大规模数据的机器学习纳入一个选择模型，该模型具有决策者收益函数与预测技能的异质性。我们将此框架应用于改善初级保健中抗生素处方效率这一重大卫生政策问题，而后者是抗生素耐药性的主要成因之一。我们的分析揭示了医生诊断细菌感染的技能以及医生如何在抗生素使用固有的外部性与治疗收益之间权衡方面存在巨大差异。反事实政策模拟表明，机器学习预测与医生诊断技能相结合可使处方量减少 25.4%，并且相对于替代政策，无论是对估计的医生还是对保守的社会规划者关于抗生素耐药性外部性的偏好权重，都实现了最大的福利增益。
引用
@article{arxiv.2011.11017,
title = {Machine Predictions and Human Decisions with Variation in Payoffs and Skill},
author = {Michael Allan Ribers and Hannes Ullrich},
journal= {arXiv preprint arXiv:2011.11017},
year = {2020}
}