现在男女比例2:4,那两只男笔特别能写，
我们四大花木兰也不能输了阵仗，
我想想回头写点什么有趣又有内容的东西

【 在 aserose 的大作中提到: 】
: 这个群靠你了
: 不要让我失望
:
--
FROM 123.123.247.*

说得我都想看看了

【 在 luckyllh 的大作中提到: 】
: 小朱总话题很深入
: 你去可以低俗化下
: 发自「今日水木 on PEDM00」
--
FROM 114.242.248.*

哈哈哈?动机不纯洁好有意思

【 在 touareg 的大作中提到: 】
:
: 群里现在五个人，创始人除了我还有小朱总、琳达和伟增娜，后来eidth加入了。
:
: 小朱总贡献很大，发过两篇有深度的原创美文。但其他人参与度不算高。伟增娜入群的目的好像不太单纯，感觉是想找人给她免费写程序分析数据。
:

#发自zSMTH@NOH-AN00
--
FROM 117.10.206.*

男笔这个说法有意思
【 在 s111111 的大作中提到: 】
: 现在男女比例2:4,那两只男笔特别能写，  
: 我们四大花木兰也不能输了阵仗，  
: 我想想回头写点什么有趣又有内容的东西  
: --

发自「今日水木 on iPhone 13 Pro」
--
FROM 223.104.67.*

Kasy, M. (2018). "Optimal taxation and insurance using machine learning — Sufficient statistics and beyond." Journal of Public Economics *167*: 205-219.

使用机器学习实现最佳税收和保险-足够的统计数据及其他

How should one use (quasi-)experimental evidence when choosing policies such as tax rates, health insurance copay, unemployment benefit levels, and class sizes in schools? This paper suggests an approach based on maximizing posterior expected social welfare, combining insights from (i) optimal policy theory as developed in the field of public finance, and (ii) machine learning using Gaussian process priors. We provide explicit formulas for posterior expected social welfare and optimal policies in a wide class of policy problems. The proposed methods are applied to the choice of coinsurance rates in health insurance, using data from the RAND health insurance experiment. The key trade-off in this setting is between transfers toward the sick and insurance costs. The key empirical relationship the policy maker needs to learn about is the response of health care expenditures to coinsurance rates. Holding the economic model and distributive preferences constant, we obtain much smaller point estimates of the optimal coinsurance rate (18% vs. 50%) when applying our estimation method instead of the conventional “sufficient statistic” approach.

在讨论机器学习在现在因果推断的应用时，我就给出了这个论文表示下我们这些领域进展。老图怎么就得到了需要数据分析的结果。
就我们研究用的那点机器学习代码，本科生就能弄。主要是方法合适不合适而已
【 在 addadd 的大作中提到: 】
: 哈哈哈?动机不纯洁好有意思  
:  
: #发自zSMTH@NOH-AN00  
: --

发自「今日水木 on PEDM00」
--
FROM 106.39.42.*