The covariance of causal effect estimators for binary v-structures
二元 V 形结构中因果效应估计量的协方差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：摘要直接研究特定因果结构下的效应估计量，并讨论处理随机化方案。
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
二元 V 形结构中因果效应估计量的协方差
- 研究问题
- 对于由二元变量构成的 V 形因果结构，能否利用两个已有因果效应估计量的线性组合降低方差，并推广到固定处理人数的随机化？
- 方法与思路
- 作者在此前两个估计量方差分析的基础上研究线性组合，并考察处理人数预先确定的区组随机化；摘要未说明组合权重如何选择。
- 材料陈述的贡献
- 摘要称，两个估计量的某种线性组合比各自具有更低方差，且固定处理人数的区组随机化下也成立，与随机抽取处理的情况类似。
- 阅读关注点
- 应核对 V 形结构及目标效应、两个估计量的定义和协方差推导，以及权重是否需要估计、方差比较条件和随机化方案。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未提供方差公式及权重，更低方差本身不能确定偏差或区间覆盖表现。
原文摘要
Previously [Journal of Causal Inference, 10, 90-105 (2022)], we computed the variance of two estimators of causal effects for a v-structure of binary variables. Here we show that a linear combination of these estimators has lower variance than either. Furthermore, we show that this holds also when the treatment variable is block randomised with a predefined number receiving treatment, with analogous results to when it is sampled randomly.