异方差性对增益建模的影响

在许多应用场景中，企业需要决定最好向哪些个体分配干预。为了支持此类决策，人们应用增益模型在个体层面预测干预效应。基于预测的干预效应，可以对个体进行排序，并根据该排序优先分配干预。以往增益建模文献中一个未曾受到质疑的隐含假设是，这种干预优先排序方法倾向于将具有高干预效应的个体排在顶部，将具有低干预效应的个体排在底部。在我们的研究中，我们表明训练数据中的异方差性会导致增益模型排序产生偏差：具有最高干预效应的个体可能会大量聚集在排序的底部。我们从理论上解释了异方差性如何使增益模型的排序产生偏差，并通过模拟和真实数据展示了这一过程。我们论证指出，这种由异方差性导致的排序偏差问题可能出现在许多实际应用中，需要对干预优先排序进行修改以实现高效的干预分配。