Cost-Effective Incentive Allocation via Structured Counterfactual Inference

用于发展援助成本效益分配的因果机器学习

Causal Machine Learning for Cost-Effective Allocation of Development Aid

提出包含平衡自编码器、反事实生成器和推断模型的因果机器学习框架，以预测援助的异质性处理效应，并基于HIV援助数据证明其可显著优化援助分配。

经济机制对代理人激励的长期因果效应

Long-term causal effects of economic mechanisms on agent incentives

经济机制根据感兴趣的代理人自我报告的类型管理资源分配。机制设计的一个目标是设计一个防策略的过程，这样就没有代理人有动机误报其类型。然而，对机制的激励性质的典型分析是在强有力的、通常是不可检验的假设下进行的。经验性的、以数据为导向的方法充其量是发展不足的。此外，机制/政策评估方法通常忽略了多代理系统的动态特性，因此不适合估计长期影响。我们介绍了估计激励机制的因果效应的问题，并将其框架下的鲁宾因果框架\citep{rubin74, rubin78}。这提出了独特的技术挑战，因为利益的结果（代理真实性）与战略互动混淆，有趣的是，通常在任何机制下都不会被观察到。我们开发了一种方法来估计这种因果关系的影响，使用先验的基础上的战略均衡模型。在肾脏交换领域，我们展示了如何应用我们的方法来估计肾脏分配机制对医院激励的因果影响。我们的研究结果表明，使用博弈论先验捕捉肾脏交换多智能体系统的动态性质，并缩小对长期影响的估计，从而改善了典型的方法，完全忽略代理的战略行为。

使用DiscoSCM回答第三层因果查询——拥抱异质性

Answering Causal Queries at Layer 3 with DiscoSCMs-Embracing Heterogeneity

本文提出DiscoSCM框架，通过引入单位选择变量和独立反事实噪声假设，解决PO和SCM在第三层反事实推断中的退化问题，实现异质性反事实界理论，推动因果推断方法论发展。

Counterfactual Inference of Second Opinions

Automated decision support systems that are able to infer second opinions from experts can potentially facilitate a more efficient allocation of resources; they can help decide when and from whom to seek a second opinion. In this paper, we look at the design of this type of support systems from the perspective of counterfactual inference. We focus on a multiclass classification setting and first show that, if experts make predictions on their own, the underlying causal mechanism generating their predictions needs to satisfy a desirable set invariant property. Further, we show that, for any cau…

用群集和群体水平治疗分配方案进行干扰单元的因果推断

Causal inference for interfering units with cluster and population level treatment allocation programs

当一个人的潜在结果取决于个人的治疗水平，但也取决于其他人的治疗水平时，就会产生干扰。在存在干扰的情况下，因果推断文献中的一个常见假设是部分干扰，这意味着群体可以被划分为个体集群，其潜在结果仅取决于同一集群内单元的处理。先前的文献已经定义了在反事实情景下的平均潜在结果，其中治疗被随机分配到集群内的单元。然而，在聚类内，可能存在或多或少可能基于协变量或邻居的处理来接收处理的单元。我们定义了新的估计，描述平均潜在的结果，现实的反事实的治疗分配方案，扩展现有的估计，考虑到单位的协变量和单位之间的依赖性的治疗分配。我们进一步提出了全新的估计，人口水平的干预措施，在集群的集合，这对应于在联邦（与集群或区域）一级的法规的激励设置。我们讨论这些估计，提出无偏估计量，并得出渐近结果的集群数量的增长。最后，我们估计的影响，在一个比较有效的研究发电厂减排技术对环境臭氧污染。

受限在线资源分配中的效率、可行性和激励意识

Efficiency, Feasibility, and Incentive-Awareness in Constrained Online Resource Allocation

研究长期约束下不可分割资源给策略性主体的动态分配，提出激励感知原始对偶框架，整合组件抑制操纵，设计新算法克服障碍，实现$\tilde{\mathcal O}(\sqrt T)$社会福利遗憾，满足约束并诱导近似真实均衡，还能推广到多单位多需求问题。