Randomization tests of causal effects under interference
干扰下因果效应的随机化检验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：摘要明确研究干扰下的因果效应随机化检验，并以单位间互动为核心，因此直接对应因果推断与网络干扰方向。
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…
干扰下因果效应的随机化检验
- 研究问题
- 当个体、学校或企业之间存在干扰时，如何构造有效且有检验力的随机化检验，以检验相关因果效应？
- 方法与思路
- 作者形式化条件化机制，建立一般干扰下随机化检验的框架，在两阶段随机设计中说明并应用于学生缺勤干预。
- 材料陈述的贡献
- 摘要称，该框架可构造有效且有检验力的检验，并在所述研究中相较既有方法改善计算表现与统计检验力。
- 阅读关注点
- 应核对干扰与原假设的具体定义、条件化机制如何保持随机化有效性，以及两阶段设计中的比较基准和适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；一般干扰的具体范围及检验力改善条件未说明，不能推断刊本变化。
原文摘要
Many causal questions involve interactions between units, also known as interference, for example between individuals in households, students in schools, or firms in markets. In this paper we formalize the concept of a conditioning mechanism, which provides a framework for constructing valid and powerful randomization tests under general forms of interference. We describe our framework in the context of two-stage randomized designs and apply our approach to a randomized evaluation of an intervention targeting student absenteeism in the school district of Philadelphia. We show improvements over existing methods in terms of computational and statistical power.