Fine Stratification of Survey Experiments
调查实验的精细分层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：摘要研究实验参与者抽样、随机处理分配及处理效应估计的方差与推断，直接对应因果推断方向。
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
调查实验的精细分层
- 研究问题
- 先从合格人群抽取代表性参与者、再分配处理的两阶段实验中，如何在两个阶段实施多变量精细分层，并利用其降低效应估计方差？
- 方法与思路
- 作者在抽样和处理分配阶段采用匹配 k 元组随机化，开发适用于不同元组规模和协变量维数的快速匹配算法，并构造相应推断方法。
- 材料陈述的贡献
- 摘要称两阶段精细分层均可非参数地降低处理效应估计方差，提出具有匹配质量保证的算法与推断，并用九项已发表实验量化收益。
- 阅读关注点
- 应核对匹配质量保证、代表性抽样的目标人群、两阶段方差分解，以及合格人群规模和效应异质性预测能力如何决定效率收益。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明匹配保证及推断的完整条件，文献调查比例和应用收益不能普遍外推。
原文摘要
This paper studies a two-stage model of experimentation, where the researcher first samples representative experimental participants from an eligible pool, then assigns each sampled unit to treatment or control, using matched $k$-tuples randomization at both stages. To implement such designs, we develop a fast algorithm for matching units into $k$-tuples for any $k \ge 2$ and any dimension of covariates. By surveying 200 recent experimental working papers, we estimate that our algorithm newly enables multivariate fine stratification with provable match quality guarantees in about 48\% of recent papers. We show that finely stratified sampling and assignment both nonparametrically reduce the variance of treatment effect estimation, with the gains from stratified sampling increasing in the size of the eligible pool and how well covariates predict treatment effect heterogeneity. We develop new inference methods that fully exploit the efficiency gains from both design stages, allowing researchers to report smaller standard errors if they designed a representative experiment. An application to nine published experiments quantifies the efficiency gains.