用于评估个性化干预措施益处的统计检验

《SCIENCE》：A statistical test for the benefits of personalizing interventions

　　

编辑总结

当教育工作者、营销人员和健康专家为他人提供帮助时，会出现一个两难问题：究竟何时应该选择个性化方法，而非通用策略？采用通用干预措施通常更高效、成本更低且更方便，但对于某些群体而言，可能会带来不佳且不公平的结果。而个性化干预虽然可能成本较高、存在物流方面的挑战，也未必能带来更好的效果。李和布伦斯基尔针对现有数据集开发了一种统计假设检验方法，用于判断何时个性化策略能优于通用干预措施。这一工具有助于在非二元结果的情况下做出重要决策。——埃科马·乌佐加拉

结构化摘要

引言

从社会科学到医学再到市场营销，优化干预决策是各个领域的重要任务。人们越来越重视学习并应用个性化决策策略，但另一种做法则是为所有人提供相同的最佳干预措施。不同个体群体对干预措施的反应存在差异，这是实现个性化益处的必要条件，但并非充分条件；有些群体在特定的干预措施下才能获得最佳效果。即便个性化能带来好处，它也可能增加数据需求、提升管理复杂性，并引发公平性问题。因此，有必要有一种正式的统计方法来量化个性化的预期效用。

理论依据

为解决这一问题，我们提出了K折个性化检验法（KPT），这是一种利用历史数据来判断个性化是否显著优于为整个群体提供最佳单一干预措施的方法。KPT通过反复的数据分割和双重稳健估计，使得同一数据集既能用于学习分析，也能用于参数估计。由此可得出个性化预期效用的估计值及其方差，进而构建出KPT统计量。我们在常见假设下证明了KPT能有效控制假阳性率，而在更严格的条件下，该方法还具备半参数效率，即能在所有常规估计量中实现最低方差。在数据有限的常见情况下，这类估计量尤为有用。与以往仅适用于二元处理情况或无法保证统计效率的方法不同，K折估计量适用于多种干预措施、众多协变量以及机器学习算法，可用于个性化策略的学习。

研究结果

我们将KPT估计量应用于三个真实数据集，计算个性化效应的估计值及置信区间：分别是提升大型开放在线课程中学生完成课程率的干预措施、治疗抑郁症的方案，以及笑话推荐系统。我们还分析了一个关于职业培训项目“Job Corps”对工资影响的半合成数据集。在所有案例中，我们的方法得出的置信区间要么与以往的基准方法相当，要么更为严格，而且比那些易受数据分割方式影响的传统方法更加稳定。例如，在萘法唑酮治疗抑郁症的数据集中，某些基准方法在一种数据分割方式下会判定个性化有积极效果，而在另一种分割方式下则认为没有效果。而我们的K折估计量在大型开放在线课程和抑郁症数据集中几乎未发现个性化带来的益处，但在半合成的Job Corps和笑话推荐数据集中则观察到了明显优势。

结论

评估不同个体的反应差异已变得很常见，但仅仅估计出这种差异并不等同于就能确定是否值得采取个性化策略。鉴于个性化应用范围极广，涵盖公共政策、医疗治疗以及网络广告等多个领域，填补这一空白具有重要意义，而KPT正是为此提供的一种合理且有效的工具。

在查看器中打开

量化个性化的价值。

左图：尽管目前已有大量研究致力于估计不同个体的反应差异，但这些数据并不足以证明个性化干预策略一定优于通用干预措施。我们基于历史数据开发了一种正式方法来量化个性化的价值（ψ）。右图：在多个数据集中，我们的方法能够可靠地识别出存在个性化益处的情况，而传统的基准方法则结果波动较大，且不够一致。

摘要

从医学领域到市场营销，再到社会科学，针对个体量身定制干预措施的潜力是不可否认的。然而，在实际应用中，我们需要在个性化可能带来的好处与其更高的成本和潜在风险之间进行权衡。我们提出了一种统计假设检验方法，它能根据历史数据来判断个性化干预策略的表现是否优于采用最佳单一干预措施。该检验在满足特定条件的情况下，既能严格控制第一类错误，又能实现渐近正态性，并拥有尽可能低的方差。通过在职业培训、抑郁症治疗、教育以及推荐系统等多个数据集上的测试，证明了该方法的通用性及其相较于其他方法的优越性能。这一检验能为干预科学领域的决策者提供简单而有效的工具，帮助他们量化个性化的潜在益处。