Estimating the True Effect Size Distribution with SIMEX
利用 SIMEX 估计真实效应量分布AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以平均处理效应估计为输入，研究潜在真实效应分布及分位数，因此涉及因果推断与分布效应。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
利用 SIMEX 估计真实效应量分布
- 研究问题
- 大规模在线实验给出的平均处理效应估计含有噪声时，如何从已知估计方差出发，恢复潜在真实效应的分布及其分位数？
- 方法与思路
- 作者采用模拟外推方法，逐步加入测量噪声并计算分位数，再将逆累积分布函数外推至无噪声状态，同时约束分位数的单调性。
- 材料陈述的贡献
- 摘要称，在真实效应与测量误差均为正态的合成例子中，该方法恢复了潜在效应分布，表现接近参数化经验贝叶斯正态均值方法。
- 阅读关注点
- 应核对噪声模拟的分布设定、外推函数选择、异质估计方差的处理、单调约束实现，以及尾部分位数的误差和不确定性评估。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要仅报告一个正态合成例子，未说明一般识别条件或分布估计的推断理论。
原文摘要
Large-scale online experimentation produces noisy effect estimates, which can overstate gains and complicate decisions about launches and testing policies. We propose a nonparametric method based on SIMulation-EXtrapolation (SIMEX) to estimate the latent distribution of true effects from estimated average treatment effects with known variances. The method evaluates quantiles after adding progressively more simulated measurement noise and extrapolates the resulting inverse cumulative distribution function to the zero-noise setting while enforcing monotonicity of the quantiles. In a synthetic example with normally distributed true effects and measurement error, the method recovers the underlying effect distribution and performs nearly as well as a parametric empirical Bayes normal means approach. This provides a flexible way to characterize effect-size distributions without fully specifying a parametric model.