通过影子价格降低市场平台干扰偏差

市场平台公司在对其平台设计或运营进行变更时高度依赖实验。实验的主力方法是随机对照试验（RCT）或 A/B 测试，其中用户被随机分配到处理组或对照组。然而，市场平台干扰导致稳定单元处理值假设（SUTVA）被违背，进而使标准 RCT 指标产生偏差。在本工作中，我们提出若干技术，使平台能够运行标准 RCT，并在存在市场平台干扰的情况下仍获得有意义的估计。我们具体考虑一种广义匹配设定，其中平台通过线性规划算法显式匹配供给与需求。我们的第一个方案是让平台通过优化来估计全局处理与全局控制的取值。我们证明该方法在流体极限下是无偏的。我们的第二个方案是比较处理组与对照组的平影子价格，而非各组累积的总价值。我们证明该技术在有限规模系统中也对应于感兴趣价值函数的正确一阶近似（泰勒级数意义下）。我们随后利用该结果证明，在合理假设下，我们的估计量比 RCT 估计量的偏差更小。我们结果的核心思想是：在匹配驱动的市场平台中，由于平台中介了溢出效应，对干扰建模相对容易。