关于政策学习中最优福利下置信带
计量经济学
2025-09-16 v3 统计理论
统计理论
摘要
我们研究了在政策学习问题中对最优福利的推断，提出报告下置信带（LCB）。构建 LCB 的自然方法是基于对最优福利的有效估计量进行单侧 t 检验的反向置换。然而，我们表明，对于一个经常出现的 DGP 类，基于对合适次优处理政策福利估计的 LCB 可能首先支配基于最优福利估计的 LCB。我们指出，这种首先支配只有在最优处理政策与其余政策不「良好分离」时才可能发生，即常规假设的边际条件失败时才会出现。当满足此条件时，标准去偏推断方法便不可用。我们表明，通过对最大似然比检验统计量和准似然比检验统计量进行反向置换，可构造出均匀有效且易于计算的 LCB。作为经验说明，我们重新审视了国家 JTPA 研究，发现所提出的 LCB 在可靠覆盖性和竞争性区间长度方面表现良好。
引用
@article{arxiv.2410.07443,
title = {On the Lower Confidence Band for the Optimal Welfare in Policy Learning},
author = {Kirill Ponomarev and Vira Semenova},
journal= {arXiv preprint arXiv:2410.07443},
year = {2025}
}