信息价值

信息价值用来计算：在作出决定前，你应该花多少钱来减少不确定性。它会比较两种情况下的预期收益：一种是你掌握完整信息，另一种是你根据现有信息作出最佳选择。这个框架既能防止你在无用的数据上花太多钱，也能避免你因信息不足而作出代价高昂的决定。 请注意：始终要把获取信息的成本与它的预期价值作比较，也就是看它预计能减少多少决策损失。

信息价值如何发挥作用

首先，根据现有信息，计算每个可选行动的预期价值，并选出最佳方案，作为比较的基准。然后，设想你完全了解那些不确定的因素，并考虑各种可能出现的情况，看看自己会如何行动。这两种情形下预期价值的差额，就是你为减少不确定性最多应该支付的金额。

实际例子

医疗政策：政府会用信息价值来确定优先资助哪些临床试验。例如，估算发现，一项针对癌症疗法 A 的研究可能减少 10 亿美元的不必要支出，而针对疗法 B 的研究只能带来 1000 万美元的价值。个人生活：在购买一辆价值 1 万美元的二手车之前，你可能愿意花 50 美元请修车师傅检查一下，因为只要避免一次费用为 2000 美元的大修，这笔检查费就花得值。

如何实际应用

要运用信息价值，你需要先明确自己需要知道什么，再估算每种可能的答案会在多大程度上改变你的决策，并按各结果发生的概率加权。这样就能判断，研究预计带来的改善是否值得你付出成本。当决策不可逆、事关重大，而且存在很大的不确定性时，这种方法最能发挥作用，因此它对战略规划、确定医学研究的优先顺序和重大投资至关重要。

信息价值（VoI）分析提供了一个严谨的框架，用来量化你在不确定的情况下作出决策前，获取额外信息有多大价值。完全信息期望价值（EVPI）表示，理性的决策者为消除所有不确定性最多应该支付多少。计算方法是：用掌握完全信息时最优决策的期望价值，减去基于现有信息作出最优决策的期望价值。样本信息期望价值（EVSI）将这一概念扩展到对具体但不完美的信息来源的评估。

• Raiffa 和 Schlaifer（1961）：在其关于应用统计决策理论的奠基性著作中，建立了信息价值的基础理论。他们将 EVPI 定义为掌握完全信息时的期望价值与当前不确定性下的期望价值之差，并对信息价值与决策质量之间的关系作出了形式化表述。[1]
• Jackson 等人（2019）：证明了信息价值方法不仅适用于简单的决策问题，也能推广到复杂的贝叶斯证据综合模型。他们展示了基于回归的计算方法如何让这类分析在包含多个不确定参数的医疗政策、流行病学和公共卫生建模中得到实际应用。[2]
• Claxton 和 Sculpher（2006）：率先将信息价值分析用于卫生经济学，以确定研究的优先顺序。他们确立了 EVPI 和部分完全信息期望价值（EVPPI）计算的用途：识别哪些参数对决策不确定性的影响最大，以及进一步把研究资金投入哪些领域，能在改善人群健康方面获得最高回报。[3]

信息价值分析需要精确量化概率、结果和偏好，但在实际应用中，这些信息往往无法获得，或者很难准确获取。这个框架假设，新信息到来后，决策问题的结构仍保持稳定；但在不断出现新选项或偏好发生变化的动态环境中，这一假设可能并不成立。随着不确定参数数量增加，计算复杂度会迅速上升，因此很难将信息价值分析应用于大规模模型。对于无法可靠分配概率的深度不确定性，以及难以在单一模型中用参数表达的结构性不确定性，这种方法也难以处理。此外，信息价值的计算对先验分布的选择很敏感，因此需要进行敏感性分析或采用稳健方法，以确保结论不会被随意设定的假设所左右。