规范性分析

把分析结果转化为决策。我会附上先前的分析结果或数据文件,并说明选项、目标和约束(成本、预算、人员)。请为每个选项的证据(实验、因果估计、预测或假设)分级,按期望净收益比较选项或求出有限资源的最优分配,模拟不确定性以显示推荐最优的概率和风险,并说明哪些输入会推翻决策,提供报告和情景表。

规范性分析: 正在分析数据

请提供分析结果或数据,以及选项、目标和约束。我们为证据分级,计算每个选项的期望净收益和风险,提供包含最佳选择及其判断会改变的条件的决策报告和情景表。

适合这些人

  • 完成 A/B 测试或条件比较后需要决定上线或采用哪个方案的产品和 UX 研究者
  • 需要决定干预项目给谁、给多大强度的教育和卫生研究者
  • 需要把有限预算或人员分配给多个项目或群体的课题负责人
  • 需要把实验结果转化为政策建议的政策研究者

你将得到

你将得到两份结果:报告包含推荐及其证据和风险,情景表包含所有数字。

  • 决策报告 推荐及其证据和风险 · 一览、决策问题(选项、目标、约束)、证据与等级、预期结果(净收益、最优分配或对象选择)、不确定性(最优概率、期望损失)、会改变决策的条件(盈亏平衡点、龙卷风图)、解释与局限、输入假设、需要你决定的事项 · MD(可用 PDF·PNG 转换智能体生成共享用 PDF)
  • 情景表 报告中的所有数字 · 工作表: Options · Allocation · Simulation · Sensitivity · Assumptions · XLSX

报告中可以确认的内容

每条推荐都带有证据等级(A 随机实验 · B 因果估计 · C 预测或相关 · D 假设)。优化和模拟代码在每一步以代码框保留。

  • 证据等级 每个选项的依据是实验、因果估计、预测还是假设;C 及以下标为"探索性推荐"并建议小规模验证
  • 决策 按期望净收益比较选项、线性/整数优化分配及公平性替代方案、按预测风险选择对象
  • 不确定性 效应不确定性模拟:最优概率、选错时的期望损失、净收益分布
  • 改变结论的条件 各输入的盈亏平衡值、龙卷风敏感性(Expert)、与请求和文件核对过的输入数字表

这样提出请求

在{选项}中选出最能提高{目标}的方案。约束是{预算、人员、标准}。 — 把下划线部分换成你自己的情况后发送。

  • 选项: 要选择的实验条件、群体或项目。留空时从数据中的条件列确定,并作为假设说明。
  • 目标与约束: 写明单位结果的价值、各选项成本和预算或人员,就按净收益比较;否则只按效应比较,成本单独列出。

最好一并提供

  • 先前的分析结果(Inferential Statistics、Causal Analysis 或 Predictive Modeling 的结果表) 直接使用其效应和不确定性,并据此确定证据等级
  • 成本与价值信息 用各选项成本和单位结果的价值计算净收益
  • 必须满足的条件 把最低分配、公平性等约束加入优化

也可以这样请求

  • 根据附件的 A/B 结果决定是否上线 B 方案。上线成本每月 300 万韩元。 → 期望净收益、B 更好的概率、期望损失、盈亏平衡成本
  • 50 名辅导员如何分配到 4 所学校才能使成绩提升最大?每校最多 20 名。 → 以各校效应为输入的整数优化分配、公平性替代方案及其代价
  • 根据流失预测模型结果决定给谁发优惠券。预算 200 万韩元,每人 1 万韩元。 → 按预测风险 × 干预效应(注明假设)排序的对象、与随机选择相比避免的结果数、证据等级警告

我的指示

只需选择需要的项目进行设置,未设置的项目按默认值进行。 报告首页会列出本次应用的指示和所作的假设。

  • 决策标准 (决策方式) 比较选项的标准 · 例如: 期望收益最大 · 最坏情况损失最小 · 默认: 期望净收益最大,同时显示损失风险
  • 风险态度 (决策方式) 对不确定性的规避程度 · 例如: 保守(第 10 百分位) · 默认: 中性(期望值),同时给出保守标准的结果(Expert)
  • 模拟 (决策方式) 不确定性抽样次数 · 例如: 1 万次 · 关闭 · 默认: 1 万次(Pro 起)
  • 证据下限 (限制) 推荐所需的最低证据等级 · 例如: 仅随机实验 · 默认: 不设限,显示等级,C 及以下标为"探索性推荐"
  • 公平性约束 (限制) 群体间的公平条件 · 例如: 每组至少分配 20% · 默认: 无;若有对象未获分配,同时给出公平性替代方案(Expert)
  • 报告语言 (报告方式) 撰写语言 · 例如: 用英语撰写 · 默认: 请求的语言

工作方式

模型负责定义决策问题(选项、目标、约束),证据分级、优化、模拟和盈亏平衡点由代码按固定规则完成。模型写出的数字由代码在请求和附件中重新查找,并标注是否找到。

  • 数据检查 做什么: 读取先前的结果表(证据清单 E1…)、报告文本和数据表 · 可以设置: —
  • 定义决策问题 做什么: 类型(选择、分配或对象选择)、选项、效应、成本、单位价值、约束 · 可以设置: 决策标准、公平性约束 · 需要确认: 目标与约束
  • 证据分级 做什么: A 随机实验 · B 因果估计 · C 预测、相关或非随机比较 · D 假设(无不确定性时按 ±50%) · 可以设置: 证据下限 · 需要确认: 等级
  • 价值模型 做什么: 净收益 = 规模 × 单位价值 × 效应 − 额外成本 · 可以设置: — · 需要确认: 成本与价值假设
  • 决策与优化 做什么: 比较选项、线性/整数优化分配及公平性替代方案、按风险选择对象 · 可以设置: —
  • 不确定性模拟 做什么: 效应抽样 1 万次:最优概率、期望损失、结果分布 · 可以设置: 模拟、风险态度
  • 敏感性 做什么: 各输入的盈亏平衡点、龙卷风图(Expert) · 可以设置: — · 需要确认: 推翻结论的条件
  • 撰写报告 做什么: 按推荐 → 证据 → 结果 → 不确定性 → 改变结论的条件整理 · 可以设置: 报告语言 · 需要确认: 需要你决定的事项

不同级别的区别

核对

在教科书线性规划例题(最大化 3x + 5y,约束 x ≤ 4、2y ≤ 12、3x + 2y ≤ 18)上得到最优解 x = 2、y = 6,目标值 36。4 所学校的辅导员分配与手工求得的整数最优解(84)一致,公平性替代方案(每校 ≥ 10%)为 80。在示例数据(引导页 A/B/C 随机实验,12,230 名用户)上,C 最优的概率 78% 与正态近似一致,单位价值盈亏平衡点 886 韩元也与手算一致。模拟固定随机种子,重复运行结果相同。

关于此方法

  • 为什么要证据分级 "做什么能改善结果"是因果问题。预测模型能告诉你谁可能流失,却不能告诉你发优惠券是否会减少流失。因此每条推荐都标明依据是实验、观察数据的因果估计还是仅有预测;证据弱的推荐会同时建议"先小规模试行再确认"。
  • 为什么显示"最优概率" 平均更好的选项,在效应估计不确定时实际上也可能更差。模拟不确定性可以同时看到"该选择最优的概率"和"选错时损失多少"。

常见问题

哪些需要研究者自己判断?
请确认目标、约束以及成本和价值假设是否正确,结论取决于这些假设。请先查看报告中的输入假设表,找出未在请求或文件中找到的数字。证据等级为 C 及以下的推荐,请先小规模验证再使用。影响人的分配需要研究者和机构判断公平与伦理。
只上传数据可以吗?
可以。有条件列和结果列时会先估计各条件的效应;如果不是随机分配,证据等级降为 C。需要精确估计时请先使用 Inferential Statistics 或 Causal Analysis。
涵盖哪些决策问题?
选项比较、线性/整数分配以及按预测风险选择对象。效应假定与分配量成正比;随时间展开的决策(动态规划)不在第一版范围内。