مقاله طرح آزمایشی تطبیقی برای یادگیری سیاست

چکیده

Evidence-based targeting has been a topic of growing interest among the practitioners of policy and business. Formulating decision-maker’s policy learning as a fixed-budget best arm identification (BAI) problem with contextual information, we study an optimal adaptive experimental design for policy learning with multiple treatment arms. In the sampling stage, the planner assigns treatment arms adaptively over sequentially arriving experimental units upon observing their contextual information (covariates). After the experiment, the planner recommends an individualized assignment rule to the population. Setting the worst-case expected regret as the performance criterion of adaptive sampling and recommended policies, we derive its asymptotic lower bounds, and propose a strategy, Adaptive Sampling-Policy Learning strategy (PLAS), whose leading factor of the regret upper bound aligns with the lower bound as the size of experimental units increases.

چکیده به فارسی (ترجمه ماشینی)

هدف قرار دادن مبتنی بر شواهد موضوعی برای افزایش علاقه در بین پزشکان سیاست و تجارت بوده است.تدوین یادگیری سیاست سازنده به عنوان یک مشکل بهترین شناسایی بازوی بودجه ثابت (BAI) با اطلاعات متنی ، ما یک طرح تجربی تطبیقی بهینه را برای یادگیری سیاست با اسلحه های درمانی متعدد مطالعه می کنیم.در مرحله نمونه برداری ، برنامه ریز بازوهای درمانی را به صورت تطبیقی بر روی واحدهای آزمایشی متوالی با مشاهده اطلاعات متنی خود (متغیر) اختصاص می دهد.پس از آزمایش ، برنامه ریز یک قانون تکالیف فردی را به جمعیت توصیه می کند.با تعیین حسرت بدترین حالت به عنوان معیار عملکرد نمونه گیری تطبیقی و سیاستهای توصیه شده ، ما مرزهای پایین بدون علامت آن را استخراج می کنیم و یک استراتژی ، استراتژی یادگیری-نمونه گیری-سیاست گذاری سازگار (PLAS) را پیشنهاد می کنیم ، که عامل اصلی آن از حسرت بالا با هم تراز می شود.محدوده پایین با اندازه واحدهای آزمایشی افزایش می یابد.