discipline/protocols/censoring-correction.md
📑 本页目录
协议 · 截断校正（RQ-A2）
状态：生效（Round 2）· 依据：支柱 1（L-A-01/02/04）
目标
在观测通道受限（缺货、限流、配额、免费层、下架、价格门槛）时恢复潜在需求分布。
场景判定表
| 场景 | 观测特征 | 首选方法 | 备选 | 关键假设 |
|---|---|---|---|---|
| 缺货/库存截断 | 补货后销量跳升 | Tobit / 截断回归 | 两阶段（先恢复潜在需求再预测） | 缺货期间需求未转移或转移可建模 |
| 限流/配额（API/GPU） | 请求被拒、排队、等待 | 截断计数模型 + survival | conformal + 截断似然 | 排队/拒绝过程可观测 |
| 免费层代理偏差 | 下载 ≠ 付费意愿 | 转化漏斗建模 | 离散选择 | 各层转化率可估 |
| 平台下架/审查 | 观测突变为 0 | 干预分析 + 隐性需求建模 | 场景规划 | 需求未消失，只是观测通道关闭 |
| 订阅墙/价格门槛 | 观测集中低价段 | 需求曲线外推（价格弹性） | Tobit 变体 | 弹性可识别 |
五步工作流
- 检测截断：结构突变、容量占用率、排队/拒绝率、补货跳升。
- 判定场景：按上表匹配，登记截断类型与证据。
- 估计潜在需求分布：含不确定性（置信区间 / 预测分布）。
- 敏感性分析：低估程度给上下界，避免单点结论。
- 登记：代理表增加「截断状态」字段。
最小实例（案例库草案）
- GPU 需求（限流）：观测 = 实际分配实例数；排队/拒绝为截断证据 → Case 1。
- 电商缺货：补货跳升识别 + Tobit 恢复 + 计数分布选择（NB 优于 Poisson）。