Minimax Optimal Design with Spillover and Carryover Effects
兼顾溢出与延续效应的极小极大最优实验设计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：摘要明确研究个体间处理干扰、溢出效应及其随机实验设计，并估计直接与溢出因果效应，对应网络与干扰及因果推断。
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…
关注这篇论文的作者
兼顾溢出与延续效应的极小极大最优实验设计
- 研究问题
- 个体结果同时受其他个体处理与自身既往处理影响时，如何设计实验以提高直接效应和溢出效应估计的精度？
- 方法与思路
- 作者提出同时考虑溢出和延续效应的极小极大实验设计，研究 Horvitz–Thompson 估计量，并构造保守方差估计。
- 材料陈述的贡献
- 摘要称，最优设计下估计量具有一致性与渐近正态性，方法还处理延续阶数误设；数值研究显示其优于已有实验设计。
- 阅读关注点
- 应核对干扰范围、延续效应阶数和最坏情形目标的定义，以及随机化规则、渐近条件与阶数误设下的保障范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明允许的干扰结构和成本计算，不能据此量化节省样本或实验费用。
原文摘要
In various applications, the potential outcome of a unit may be influenced by the treatments received by other units, a phenomenon known as interference, as well as by prior treatments, referred to as carryover effects. These phenomena violate the stable unit treatment value assumption and pose significant challenges in causal inference. To address these complexities, we propose a minimax optimal experimental design that simultaneously accounts for both spillover and carryover effects, enhancing the precision of estimates for direct and spillover effects. This method is particularly applicable to multi-unit experiments, reducing sample size requirements and experimental costs. We also investigate the asymptotic properties of the Horvitz--Thompson estimators of direct and spillover effects, demonstrating their consistency and asymptotic normality under the minimax optimal design. To facilitate valid inferences, we propose conservative variance estimators. Furthermore, we tackle the challenges associated with potential misspecifications in the order of carryover effects. Our approach is validated by comprehensive numerical studies that demonstrate superior performance compared to existing experimental designs.