Sequentially-Rerandomized Switchback Experiments
序贯重随机化切换实验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：摘要直接研究平台政策随机实验的设计、处理比较及随机化推断。
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…
关注这篇论文的作者
序贯重随机化切换实验
- 研究问题
- 在单位数量有限、异质性强且可能存在非平稳性和跨期延续效应的平台实验中，如何改进按时间切换处理的随机化设计？
- 方法与思路
- 作者每期重新随机化，以平衡由历史观测构造的预后变量；进一步针对一阶延续效应，按上期处理分层构建区组设计。
- 材料陈述的贡献
- 摘要称无延续效应时可利用滞后结果和协变量提高精度，提供尖锐零假设下的有限样本随机化推断及随期数增长的渐近推断。
- 阅读关注点
- 应核对每期平衡的接受规则、历史信息与随机化分布的关系，以及一阶延续效应下保持原处理的组如何定义并支持因果比较。
- 阅读边界
- 依据 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未给出渐近条件，对更高阶延续效应和任意非平稳性的适用性未说明。
原文摘要
Large-scale online platforms and marketplace systems often evaluate new policies through experiments that randomize treatment across operational units (e.g., geographies, regions, or clusters) over many time periods. In these settings, standard A/B testing can be inefficient or unreliable due to a limited number of units, substantial cross-unit heterogeneity, non-stationarity, and potential carryover across periods. We propose Sequentially-Rerandomized Switchback Experiments (SRSB), a new experimental design that helps mitigate these challenges. SRSB re-randomizes treatment at each time period such as to enforce balance on pre-specified prognostic variables constructed from past observations. In the absence of carryover, SRSB improves precision by leveraging temporal dependence through balancing lagged outcomes and covariates; we develop finite-sample randomization inference under a sharp null as well as asymptotic inference as the number of periods grows. We then extend SRSB to settings with first-order carryover and introduce a blocked SRSB variant that rerandomizes within strata defined by the previous treatment to form stable and comparable "stay" groups. Extensive simulations demonstrate the practical gains and robustness of SRSB relative to standard switchback designs.