Rerandomization to improve covariate balance in experiments
通过再随机化改善实验中的协变量平衡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：摘要直接研究随机实验设计、协变量平衡与处理效应估计，因此与因果推断方向具有明确的文本联系。
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
通过再随机化改善实验中的协变量平衡
- 研究问题
- 随机实验中，如何利用处理实施前可获得的协变量，减少随机分配造成的组间失衡并改善处理效应估计？
- 方法与思路
- 作者提出预先明确协变量失衡标准，在实验实施前检查随机分配，舍弃不达标分配并重复随机化直至符合标准。
- 材料陈述的贡献
- 摘要称，再随机化通过改善协变量平衡，可提高处理效应估计的精确性与可信度；未提供具体改善幅度。
- 阅读关注点
- 应核对平衡标准的预先设定、分配接受机制、处理效应估计方式，以及推断程序如何适应受限制的随机化设计。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，具体平衡指标、理论条件及推断方法未说明，不能量化精度收益。
原文摘要
Randomized experiments are the “gold standard” for estimating causal effects, yet often in practice, chance imbalances exist in covariate distributions between treatment groups. If covariate data are available before units are exposed to treatments, these chance imbalances can be mitigated by first checking covariate balance before the physical experiment takes place. Provided a precise definition of imbalance has been specified in advance, unbalanced randomizations can be discarded, followed by a rerandomization, and this process can continue until a randomization yielding balance according to the definition is achieved. By improving covariate balance, rerandomization provides more precise and trustworthy estimates of treatment effects.