Regression-based causal inference with factorial experiments: estimands, model specifications and design-based properties
析因实验中的回归因果推断：目标量、模型设定与基于设计的性质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。
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：摘要明确讨论析因实验的潜在结果、随机分配机制及回归系数的因果解释，直接对应因果推断。
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…
析因实验中的回归因果推断：目标量、模型设定与基于设计的性质
- 研究问题
- 在同时操纵多个因素的实验中，含主效应和部分交互项的回归系数对应哪些因果目标量，其标准误如何获得随机分配机制下的依据？
- 方法与思路
- 作者固定潜在结果，从处理分配机制出发推导多种回归设定下估计量的抽样性质，并分析稳健标准误及饱和与非饱和回归。
- 材料陈述的贡献
- 摘要称，结果澄清了回归系数的因果解释，支持相应稳健标准误用于 Wald 推断，并以一般析因效应统一不同定义及刻画偏差与方差权衡。
- 阅读关注点
- 阅读全文时应核对一般析因效应的权重定义、回归设定与目标量的对应关系，以及稳健标准误有效性和非饱和回归偏差所需条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定具体分配设计、交互项限制及有限样本或渐近保证的范围，也不能推断其他版本变化。
原文摘要
Summary Factorial designs are widely used because of their ability to accommodate multiple factors simultaneously. Factor-based regression with main effects and some interactions is the dominant strategy for downstream analysis, delivering point estimators and standard errors simultaneously via one least-squares fit. Justification of these convenient estimators from the design-based perspective requires quantifying their sampling properties under the assignment mechanism while conditioning on the potential outcomes. To this end, we derive the sampling properties of the regression estimators under a wide range of specifications, and establish the appropriateness of the corresponding robust standard errors for Wald-type inference. The results help to clarify the causal interpretation of the coefficients in these factor-based regressions, and motivate the definition of general factorial effects to unify the definitions of factorial effects in various fields. We also quantify the bias-variance trade-off between the saturated and unsaturated regressions from the design-based perspective.