Randomization-based confidence sets for the local average treatment effect
局部平均处理效应的随机化置信集合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：摘要直接涉及随机实验、不依从及局部平均处理效应的随机化推断。
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
局部平均处理效应的随机化置信集合
- 研究问题
- 在存在不依从的随机实验中，如何构造局部平均处理效应的置信集合，并分别保证同质与异质处理效应下的有效性？
- 方法与思路
- 作者改进既有随机化程序，采用学生化 Anderson–Rubin 统计量进行检验，开展一致性范围的分析并提供置信集合构造算法。
- 材料陈述的贡献
- 摘要称，该程序在处理效应同质时给出有限样本精确置信集合，在效应异质时对局部平均处理效应保持渐近有效，并提供高效算法。
- 阅读关注点
- 应核对不依从背景下的识别条件、同质性定义、学生化与检验反演步骤，以及一致分析涵盖的情形和置信集合可能的形状。
- 阅读边界
- 仅据所给 Crossref 摘要；有限样本精确性明确限于效应同质情形，异质情形仅称渐近有效，摘要未列出完整识别和正则条件。
原文摘要
Summary We consider the problem of generating confidence sets in randomized experiments with noncompliance. We show that a refinement of a randomization-based procedure proposed by Imbens & Rosenbaum (2005) has desirable properties. Specifically, we show that using a studentized Anderson–Rubin statistic as a test statistic yields confidence sets that are finite-sample exact under treatment effect homogeneity and remain asymptotically valid for the local average treatment effect when the treatment effects are heterogeneous. We provide a uniform analysis of this procedure and efficient algorithms to construct the confidence sets.