.png){kind=icon}
返回
.png){kind=icon}
.png){kind=icon}
摘要
En 中文
在从相关数据推断因果效应时，专业研究人员以及普通民众的常见做法是控制潜在混淆因素。不当的控制会产生错误的因果推断。我构建了使用内生观测数据来学习行动对与收益相关的结果的因果效应的决策者（DMs）模型。不同类型的决策者使用不同的控制方法。他们由此产生的选择会影响他们所学习的相关性，因此需要对不良控制的稳态福利成本进行均衡分析。我得到了该成本的上界紧界。当类型控制集合包含彼此时，均衡力量会显著降低该成本。
Keyword:
Non-rational expectations
Causal inference
Bad controls
Bayesian networks
Misspecified models
Worst-case analysis
期刊
IF:
6.4
论文数:
2.5K
被引数:
2.1W
机构
引用论文
Learning With Heterogeneous Misspecified Models: Characterization and Robustness异构错误指定模型的学习: 表征和鲁棒性.png)
ECONOMETRICA.png)
OAAI
ECONOMETRICAIF7.1
OAAI.png){kind=icon}
分享.png){kind=icon}
收藏分享收藏分享收藏分享收藏
查看更多内容