📊 statistics

Treatment Choice with Nonlinear Regret

Dit artikel stelt het minimaliseren van het gemiddelde van een niet-lineaire transformatie van welzijnsregret voor om de gevoeligheid van traditionele methoden voor steekproefonzekerheid aan te pakken, waarbij gesloten vorm optimalere behandelregels voor gemiddelde kwadratische regret worden afgeleid en wordt aangetoond dat singleton-regels niet essentieel volledig zijn binnen dit kader.

Oorspronkelijke auteurs: Toru Kitagawa, Sokbae Lee, Chen Qiu

Gepubliceerd 2026-06-02

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Toru Kitagawa, Sokbae Lee, Chen Qiu

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Het Grote Plaatje: De "Alles-of-Niets"-valstrik

Stel je voor dat je een arts bent die moet beslissen of je een nieuw, duur medicijn aan een hele stad gaat voorschrijven. Je hebt een kleine groep testpatiënten om te zien of het medicijn werkt.

De Oude Manier (Gemiddelde Regret): Al een lange tijd gebruiken statistici een regel genaamd de "Empirical Success" (ES)-regel. Deze is heel simpel: als de testgroep gemiddeld iets beter lijkt, geef je het medicijn aan iedereen. Als ze er gemiddeld iets slechter aan toe zijn, geef je het aan niemand.
Het Probleem: Deze "Alles-of-Niets"-aanpak is als een lichtschakelaar die te gevoelig is. Stel je voor dat je 100 mensen in je testgroep hebt, en 51 worden beter terwijl 49 slechter worden. De oude regel zegt: "Behandel iedereen!" Maar als slechts één persoon wiens uitkomst "beter" was naar "slechter" omslaat (waardoor het 50 tegen 50 wordt), schreeuwt de regel plotseling: "Behandel niemand!"
Het Risico: Deze extreme gevoeligheid betekent dat willekeurige ruis (pech in een kleine steekproef) je een enorme fout kan laten maken. Je kunt 10.000 mensen behandelen met een medicijn dat nauwelijks werkt, of een levensreddend middel ontzeggen aan 10.000 mensen omdat van één ongelukkig datapunt. De "kosten" (of regret) van deze fouten kunnen enorm zijn.

Het Nieuwe Idee: De "Dimmer"

De auteurs (Kitagawa, Lee en Qiu) stellen een nieuwe manier voor om deze beslissing te nemen. In plaats van te vragen: "Wat is de gemiddelde regret?", vragen zij: "Wat is de gekwadrateerde regret?"

Denk hierover op deze manier:

Gemiddelde Regret behandelt een kleine fout en een grote fout gewoon als "slecht".
Gekwadrateerde Regret (Mean Square Regret) werkt als een vergrootglas voor grote fouten. Als je een kleine fout maakt, is dat niet zo erg. Maar als je een enorme fout maakt (zoals iedereen behandelen terwijl dat niet had gemoeten), dan explodeert de straf.

Door zich te richten op het vermijden van deze "catastrofale" fouten, laten de auteurs zien dat de beste beslissing zelden "Alles" of "Niets" is. In plaats daarvan is de beste beslissing vaak een fractie.

De Oplossing: De "Vertrouwensdimmer"

Het paper suggereert een nieuwe regel die werkt als een dimmer in plaats van een aan/uit-schakelaar.

In plaats van te zeggen "Behandel iedereen" of "Behandel niemand", zegt de regel: "Op basis van het bewijs, behandel 54% van de populatie."

Hoe het werkt: Als het bewijs zwak is, behandel je een klein percentage. Als het bewijs sterk is, behandel je een groot percentage. Als het bewijs overweldigend is, behandel je iedereen.
Waarom het beter is: Dit vlakt de beslissing af. Als één datapunt verandert, daalt je behandelingspercentage misschien van 54% naar 52%, in plaats van plotseling te crashen van 100% naar 0%. Dit voorkomt de "wilde schommelingen" die voor enorme welvaartsverliezen zorgen.

De Metafoor van de "Sterkte van het Bewijs"

De auteurs suggereren dat dit percentage (bijv. 54%) ook een zeer nuttig getal is om te rapporteren, zelfs als jij niet degene bent die de uiteindelijke beleidsbeslissing neemt.

Oude Manier: Je rapporteert een "P-waarde" (een standaard statistiek). Het is binair: is het significant of niet?
Nieuwe Manier: Je rapporteert de Behandelingsfractie.
- Als het getal 0,5 is, betekent dit dat het bewijs een kop of munt is.
- Als het getal 0,9 is, betekent dit dat het bewijs zeer sterk is, maar nog niet 100% zeker.
- Als het getal 0,1 is, betekent dit dat het bewijs zwak is, maar er is een kleine kans dat het werkt.

Deze fractie fungeert als een samenvatting van vertrouwen. Het vertelt de besluitvormer precies hoe sterk het bewijs is, zonder hen te dwingen een risicovolle "alles-of-niets" gok te wagen.

Het "Twee-Punten"-Geheim

Het paper doet veel zware wiskunde om te bewijzen dat deze nieuwe regel de best mogelijke is. Ze ontdekten dat het "worst-case scenario" (de situatie waarin je het meest waarschijnlijk fout zit) optreedt wanneer het werkelijke effect van het medicijn ofwel een specifiek positief getal is, of exact hetzelfde negatieve getal.

Vanwege deze reden blijkt de perfecte regel een eenvoudige S-curve (een logistische functie) te zijn. Deze ziet er als volgt uit:
$\text{Behandelingspercentage} = \frac{e^{2 \times 1.23 \times \text{t-statistiek}}}{e^{2 \times 1.23 \times \text{t-statistiek}} + 1}$

Maak je geen zorgen over de formule! De kernboodschap is dat het een eenvoudige, vloeiende curve is die jouw data (de t-statistiek) omzet in een percentage. Het vereist geen complexe afstemming of gokwerk; het werkt gewoon.

Praktische Toepassing: Geld Besparen op Experimenten

Het paper kijkt ook naar hoe dit helpt bij de steekproefomvang (hoeveel mensen je nodig hebt om te testen).

De Oude Manier: Als je veilig wilt zijn met de "Alles-of-Niets"-regel, heb je een enorme steekproef nodig om er zeker van te zijn dat je niet per ongeluk de schakelaar omzet.
De Nieuwe Manier: Omdat de "Dimmer"-regel stabieler is, kun je met een kleinere steekproef toe om hetzelfde niveau van veiligheid te bereiken.
- Vergeleken met de oude "Alles-of-Niets"-regel, kan de nieuwe regel bijna 40% van de deelnemers in een trial besparen.
- Vergeleken met standaard hypothesetests, kan het bijna 11 keer minder deelnemers besparen.

Samenvatting

Het Probleem: Oude regels zijn te gevoelig. Een kleine verandering in de data veroorzaakt een enorme sprong van "Behandel Iedereen" naar "Behandel Niemand", wat leidt tot enorme fouten.
De Oplossing: Probeer niet de gemiddelde fout te minimaliseren. Probeer de gekwadrateerde fout te minimaliseren (die grote fouten veel harder straft).
Het Resultaat: De beste beslissing is meestal een fractie (bijv. behandel 60% van de mensen), niet een binaire keuze.
Het Voordeel: Deze aanpak is stabieler, vermijdt catastrofale fouten en stelt onderzoekers in staat om kleinere, goedkopere experimenten uit te voeren terwijl ze nog steeds veilig zijn. Het geeft ook een duidelijke "vertrouwensscore" (de fractie) die gemakkelijker te interpreteren is dan traditionele statistieken.

Technische Samenvatting: Keuze van Behandeling met Niet-lineaire Spijt

Probleemstelling
Het artikel behandelt het probleem van de statistische keuze van een behandeling, specifiek hoe experimentele gegevens gebruikt kunnen worden om optimale beleidsbeslissingen met betrekking tot het sociale welzijn te informeren. Voortbouwend op het raamwerk van de statistische besluitvormingstheorie zoals gevestigd door Wald (150) en de literatuur over behandelingskeuze geïnitieerd door Manski (2004), bekritiseren de auteurs de heersende focus op het minimaliseren van het gemiddelde van het welzijnsverlies (verwachte spijt). Zij stellen dat dit lineaire criterium leidt tot "singleton rules"—beslisregels die ofwel de gehele populatie behandelen, ofwel niemand. De auteurs tonen aan dat dergelijke regels een ongewenste gevoeligheid vertonen voor steekproefonzekerheid; kleine fluctuaties in de data kunnen leiden tot abrupte overgangen van het behandelen van iedereen naar het behandelen van niemand, wat potentieel grote welzijnsverliezen kan veroorzaken door willekeurige steekproeffouten, met name in eindige steekproeven. Bovendien slaagt het paradigma van het gemiddelde van de spijt er niet in om de afkeer van besluitvormers voor grote welzijnsverliezen in ongunstige situaties te vatten.

Methodologie
Om deze beperkingen aan te pakken, stellen de auteurs een nieuw besluitvormingsraamwerk voor dat het gemiddelde van een niet-lineaire transformatie van spijt minimaliseert, aangeduid als $g(\text{Spijt})$ . Dit criterium, de zogenaamde "niet-lineaire spijtrisico", incorporeert hogere momenten van de spijtdistributie (zoals variantie) in het optimalisatieproces.

Risicofunctie: De prestaties van een behandelregel $\hat{\delta}$ worden geëvalueerd via $R_g(\hat{\delta}, P) = E_{P^n}[g(\text{Reg}(\hat{\delta}))]$ .
Specifieke Focus: Het artikel richt zich primair op gemiddelde kwadratische spijt, waarbij $g(r) = r^2$ . Deze specifieke transformatie straft regels af die resulteren in een hoge variantie van de spijt (en daarmee een hoge variantie van het welzijn), waardoor zij "spijt-aversie" (regret aversion) accommodeert.
Optimaliteitscriteria: De auteurs leiden optimale regels af onder twee criteria:
1. Bayesiaanse Optimaliteit: Het minimaliseren van het verwachte niet-lineaire spijtrisico met betrekking tot een priorverdeling over potentiële uitkomstverdelingen.
2. Minimax Optimaliteit: Het minimaliseren van het slechtste scenario van het niet-lineaire spijtrisico over de verzameling van mogelijke verdelingen.
Theoretisch Raamwerk: De analyse maakt gebruik van Gaussische modellen met eindige steekproeven en breidt dit uit naar settings met grote steekproeven via het limit experiment framework (Le Cam, 1986), volgend op Hirano en Porter (2009, 2020).

Belangrijkste Bijdragen en Resultaten

Onvolledigheid en Inadmissibiliteit van Singleton Rules:
Het artikel stelt vast dat voor een brede klasse van niet-lineaire transformaties (incluserend gemiddelde kwadratische spijt), de klasse van singleton rules niet essentieel compleet is. In tegenstelling tot het geval van lineaire spijt, waarbij singleton drempelregels vaak admissibel en essentieel compleet zijn, bewijzen de auteurs dat singleton rules voor niet-lineaire spijstrisico's over het algemeen inadmissibel zijn. Specifiek, voor elke singleton rule bestaat er een "fractionele" regel (die een proportie van de populatie behandelt) die superieur is aan de singleton rule in termen van niet-lineair spijtrisico. Dit biedt een besluitvormingstheoretische rechtvaardiging voor fractionele behandeltoewijzing zonder te hoeven terugvallen op modelambiguïteit, strategisch gedrag of niet-lineaire welzijnsfuncties.
Closed-Form Optimale Regels:
De auteurs leiden expliciete, closed-form oplossingen af voor zowel de Bayesiaanse als de minimax optimale regels onder gemiddelde kwadratische spijt:

Minimax Regel: In een Gaussisch experiment met bekende variantie neemt de minimax optimale regel een eenvoudige logistische vorm aan:
$\hat{\delta}^*(\bar{Y}) = \frac{\exp(2 \cdot \tau^* \cdot \bar{Y})}{\exp(2 \cdot \tau^* \cdot \bar{Y}) + 1}$
waarbij $\tau^* \approx 1.23$ een constante is afgeleid van de meest ongunstige prior, en $\bar{Y}$ het steekproefgemiddelde (of t-statistiek) is. Deze regel komt overeen met de posterior probability matching rule onder een minst gunstige prior ondersteund op twee symmetrische punten.
Bayes Regel: De Bayesiaanse optimale regel is een "getitlede" versie van de posterior probability matching rule. Het past de waarschijnlijkheid van behandeling aan op basis van de omvang van het behandelingseffect, waarbij de waarschijnlijkheden dichter bij 0 of 1 worden toegewezen vergeleken met standaard posterior matching, tenzij de prior wordt ondersteund op twee symmetrische punten, in welk geval het reduceert tot de standaard matching rule.

Interpretatie als een Samenvattende Statistiek:
De auteurs stellen voor dat de fractionele behandeltoewijzing $\hat{\delta}^*$ geïnterpreteerd kan worden als een samenvattende statistiek die de sterkte van het bewijs kwantificeert ten gunste van de behandeling versus de controle. In tegenstelling tot de Empirical Success (ES) regel, die een binaire beslissing afdwingt, biedt de voorgestelde regel een continue maatstaf voor vertrouwen. Het artikel merkt op dat deze maatstaf onderscheidend en vaak informatiever is dan de standaard P-waarde, omdat deze is afgeleid van een optimaliteitscriterium (minimax gemiddelde kwadratische spijt) in plaats van enkel hypothesetesten.
Applicaties en Efficiëntie:

Normale Regressie: Het raamwerk wordt toegepast op een normaal regressiemodel met binaire behandeling, wat een haalbare asymptotisch minimax optimale regel oplevert gebaseerd op de t-statistiek.
Steekproefomvang Berekeningen: Het artikel demonstreert dat het implementeren van singleton rules (zoals ES of standaard hypothesetestregels) om een specifiek niveau van gemiddelde kwadratische spijt te bereiken, aanzienlijk grotere steekproeven vereist vergeleken met de voorgestelde minimax fractionele regels. Bijvoorbeeld, om hetzelfde worst-case gemiddelde kwadratische spijtniveau te garanderen, vereist de ES-regel bijna 40% meer observaties, en de hypothesetestregel vereist ongeveer 11 keer meer observaties dan de voorgestelde minimax regel.

Betekenis en Claims
Het artikel claimt dat het verschuiven van het besluitcriterium van lineaire naar niet-lineaire spijtrisico de aard van optimale behandelregels fundamenteel verandert. Door de variantie van het welzijn te bestraffen, levert de benadering fractionele regels op die robuuster zijn tegen steekproefonzekerheid en beter aansluiten bij besluitvormers die avers zijn tegen grote welzijnsverliezen.

Theoretische Rechtvaardiging: De resultaten bieden een nieuwe rechtvaardiging voor fractionele regels in standaard settings (punten-geïdentificeerde modellen, lineair welzijn) zonder dat daar ambiguïteit of strategische overwegingen voor nodig zijn.
Praktische Hanteerbaarheid: De afgeleide regels zijn computationeel eenvoudig en vereisen slechts standaard schatters (zoals OLS) en een logistische transformatie, waardoor ze toegankelijk zijn voor beoefenaars.
Microeconomische Fundering: De benadering is geworteld in de axiomatische besluitvormingstheorie, specifiek door de link met het concept van "spijt-aversie" zoals geformaliseerd door Hayashi (2008), wat een microeconomische fundering biedt voor het overwegen van de distributie van spijt in plaats van enkel het gemiddelde ervan.

De auteurs benadrukken dat hun benadering de bestaande kaders niet vervangt, maar ze uitbreidt om risico-aversie met betrekking tot welzijnsvolatiliteit te accommoderen, waarmee zij een genuanceerder instrument bieden voor evidence-based beleidsvorming.