Conceptualizing experimental controls using the potential outcomes framework
用潜在结果框架界定实验对照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：摘要以潜在结果组织实验对照定义，并服务于干预因果效应的实验设计和偏误诊断，因此归入因果推断。
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…
用潜在结果框架界定实验对照
- 研究问题
- 如何以潜在结果明确界定基础科学中的正对照和负对照，并利用这些测量诊断不期望的变异、测量误差与实验设计缺陷？
- 方法与思路
- 作者用潜在结果为实验对照提供数学定义，按假设涉及处理水平、结局或结局间对比进行组织，并讨论实验设计用途。
- 材料陈述的贡献
- 摘要称，该框架统一了基础科学的实验对照概念，并讨论其诊断意外影响因素、评估测量误差和识别重要亚群的作用。
- 阅读关注点
- 应核对正负对照的形式定义、各类对照能够检验哪些假设，以及发现设计缺陷与识别或修正因果效应之间的区别。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未给出定义公式，也未说明对照能够保证因果识别的条件。
原文摘要
The goal of a well-controlled study is to remove unwanted variation when estimating the causal effect of the intervention of interest. Experiments conducted in the basic sciences frequently achieve this goal using experimental controls, such as "negative" and "positive" controls, which are measurements designed to detect systematic sources of unwanted variation. Here, we introduce clear, mathematically precise definitions of experimental controls using potential outcomes. Our definitions provide a unifying statistical framework for fundamental concepts of experimental design from the biological and other basic sciences. These controls are defined in terms of whether assumptions are being made about a specific treatment level, outcome, or contrast between outcomes. We discuss experimental controls as tools for researchers to wield in designing experiments and detecting potential design flaws, including using controls to diagnose unintended factors that influence the outcome of interest, assess measurement error, and identify important subpopulations. We believe that experimental controls are powerful tools for reproducible research that are possibly underutilized by statisticians, epidemiologists, and social science researchers.