.png){kind=icon}
返回
Optimized Variance Estimation under Interference and Complex Experimental Designs
.png){kind=icon}
OA
AI
DOI：10.1080/01621459.2026.2627027.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
无偏且一致的方差估计量通常不存在于基于设计的处理效应估计量中，因为实验者从未观察到任何单元的多个潜在结果。干扰和复杂实验设计加剧了这一问题。在这些情况下，实验者必须接受保守的方差估计量，但可以努力最小化保守性。本文表明，构建最小保守方差估计量的任务可以解释为一个优化问题，旨在根据实验者的风险偏好和潜在结果的背景知识，找到可估计的真实方差的最小上限。我们在二次型的类别中刻画了可接受边界的集合，并证明对于许多自然目标，该优化问题是一个凸规划。所得到的方差估计量保证是保守的，无论用于构建边界的背景知识是否正确，但如果提供的信息合理准确，则估计量保守性更低。数值结果表明，所得到的方差估计量可以比现有估计量保守性低得多，使实验者能够对处理效应做出更有信息含量的推断。本文的补充材料可在网上获取，包括用于重现工作的材料的标准化描述。
Keyword:
Causal inference
Randomized experiments
Variance estimation
期刊
J
IF:
3
论文数:
5.2K
被引数:
4.8W
机构
引用论文
Model-assisted design of experiments in the presence of network-correlated outcomes.png)
Biometrika
OAAI
BiometrikaIF0
OAAI分享收藏The LOOP Estimator: Adjusting for Covariates in Randomized Experiments循环估计器: 调整随机实验中的协变量EVALUATION REVIEWOAAI
EVALUATION REVIEWIF3.7
OAAI分享收藏
查看更多内容