一种使用异构处理效果优化策略部署的说明性分析框架-研究论文

我们定义了一个规范性分析框架，该框架可满足受限决策者的需求，这些决策者面临着事前，未知的成本以及多种政策杠杆的收益。 该框架本质上是通用的，可以部署在最大化公共或私有上下文的任何实用程序中。 它依赖于因果推理的随机现场实验，用于估计异构处理效果的机器学习以及用于将预测转换为决策的整数线性程序的优化。 最终结果是发现了以个人为目标的政策干预目标，以在预算约束下最大化整体效用。 该框架是在分析的四个Struts的背景下设置的，对于已经具有运行A / B测试的现有实践的公司而言，该框架特别有价值。 这项工作的主要贡献是开发和运行了一个框架，以利用效用响应函数中的治疗内和治疗间异质性，以便从未来（优化）处方中受益。 与基准实践相比，我们证明了该框架的价值-即在两种不同的情况下使用平均治疗效果，提升模型以及对背景强盗的扩展。 与这些标准方法不同，我们的框架能够识别，适应和利用不同亚人群的（潜在）存在，这些亚人群在治疗组内经历各种成本和收益，同时在各个治疗组之间展现出不同的成本和收益。 结果，对于存在显着的治疗内和治疗间异质性的情况，我们发现了一种靶向策略，该策略可使预期的总效用提高一个数量级。