Revisiting Randomization with the Cube Method
用立方体方法重新审视实验随机化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：摘要研究实验处理分配、协变量平衡与处理效应估计精度，直接对应实验设计中的因果推断。
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…
用立方体方法重新审视实验随机化
- 研究问题
- 实验设计能否在较多协变量上实现近乎精确的平衡，并利用实验前信息提高处理效应估计的精度？
- 方法与思路
- 作者基于立方体方法提出随机化程序，推导不平衡程度随样本量和协变量维数变化的界及估计量渐近性质。
- 材料陈述的贡献
- 摘要称该程序改善协变量平衡和估计精度，建立一致性与渐近正态性，并在高协变量维数模拟中展示收益。
- 阅读关注点
- 应核对随机化概率与约束、平衡误差界、维数增长条件，以及估计和标准误是否正确反映该分配设计。
- 阅读边界
- 这是预印本，同行评审及接收未核实。摘要未给维数条件或增益数值，平衡检验表现本身不能替代推断有效性。
原文摘要
We introduce a new randomization procedure for experiments based on the cube method, which achieves near-exact covariate balance. This ensures compliance with standard balance tests and allows for balancing on many covariates, enabling more precise estimation of treatment effects using pre-experimental information. We derive theoretical bounds on imbalance as functions of sample size and covariate dimension, and establish consistency and asymptotic normality of the resulting estimators. Simulations show substantial improvements in precision and covariate balance over existing methods, particularly when the number of covariates is large.