Multiple testing with covariate adjustment in experimental economics
实验经济学中利用协变量调整的多重检验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。
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：摘要以随机分配处理的实验数据和多重假设检验为对象，直接关联实验因果推断。
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…
实验经济学中利用协变量调整的多重检验
- 研究问题
- 在随机分配处理的实验中，如何同时检验多个原假设，控制至少一次错误拒绝的概率，并利用基线协变量提高功效？
- 方法与思路
- 作者结合多重检验理论、检验统计量的联合依赖结构与基线协变量调整，构造适用于随机处理分配的检验程序。
- 材料陈述的贡献
- 摘要称，程序在弱条件下渐近控制族错误率且具有渐近平衡性，并通过依赖结构和协变量信息获得功效提升。
- 阅读关注点
- 应核对随机分配机制、协变量调整方式、联合分布估计，以及族错误率控制、平衡性和功效结论各自的条件。
- 阅读边界
- 仅据所给 Crossref 摘要，弱条件的具体内容、有限样本表现和功效提升幅度均未说明，不能推断其他版本变化。
原文摘要
Summary This paper provides a framework for testing multiple null hypotheses simultaneously using experimental data in which simple random sampling is used to assign treatment status to units. Using general results from the multiple testing literature, we develop under weak assumptions a procedure that (i) asymptotically controls the familywise error rate—the probability of one or more false rejections—and (ii) is asymptotically balanced in that the marginal probability of rejecting any true null hypothesis is approximately equal in large samples. Our procedure improves upon classical methods by incorporating information about the joint dependence structure of the test statistics when determining which null hypotheses to reject, leading to gains in power. An important point of departure from prior work is that we exploit observed, baseline covariates to obtain further gains in power. The precise way in which we incorporate these covariates is based on recent results from the statistics literature in order to ensure that inferences are typically more powerful in large samples.