부분식별 상황에서 최적 의사결정 규칙

초록

**
본 논문은 보상(payoff)이 부분식별된 모수 θ와 점식별된 모수 μ 사이의 제약을 이용해, 이산 선택 문제에 대한 비대칭 최소극대(minimax)·평균위험 최적 규칙을 제시한다. 부트스트랩·준베이즈 방법을 통해 구현 가능하며, 치료 선택과 최적 가격 설정 사례를 통해 실용성을 입증한다.

**

상세 분석

**
이 연구는 정책 결정자가 이산 선택 집합에서 최적 행동을 선택해야 할 때, 보상이 부분식별된 구조적 모수 θ에 의존하고, 동시에 관측가능한 점식별 모수 μ를 통해 θ에 대한 제한집합 Θ₀(μ)를 추정할 수 있다는 상황을 다룬다. 기존 문헌은 θ와 μ를 동시에 최소극대(regret) 기준으로 다루는 완전 최소극대 접근법에 의존했으나, 부분식별에서는 θ에 대한 사전분포가 데이터에 의해 업데이트되지 않아 베이지안 결정을 적용하기 어려운 문제가 있다. 저자들은 이러한 난점을 해결하기 위해 비대칭 최적화 프레임워크를 제안한다. 구체적으로는

1. θ에 대한 최소극대: μ가 주어졌을 때 Θ₀(μ) 내에서 최악의 손실(또는 후회)을 최소화한다. 이는 θ 에 대한 불확실성을 ‘강인하게’ 다루는 전통적 최소극대 원칙과 일치한다.
2. μ에 대한 평균 위험 최소화: μ는 표본으로부터 추정되는 점식별 모수이므로, 효율적인 추정량 \hat μ 의 부트스트랩 혹은 (준)베이즈 사후분포를 이용해 평균 위험을 계산한다.

이 두 단계의 결합은 조건부 Γ‑minimax(Hurwicz, 1951)와 동일시될 수 있으며, ‘베이지안‑최소극대’ 규칙이라 부른다. 핵심은 각 선택 d에 대해
\