New Estimands for Experiments with Strong Interference
强干扰实验中的新目标参数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：摘要明确讨论单位间干扰、直接与间接处理暴露及随机化因果推断，对应网络与干扰以及因果推断方向。
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…
关注这篇论文的作者
强干扰实验中的新目标参数
- 研究问题
- 研究一个单位的处理会影响其他单位结果时，能否仅凭处理随机化，在二元结果实验中定义可估计的目标参数。
- 方法与思路
- 作者提出无需额外建模或限制干扰机制的新目标参数，并在仅依赖处理随机化的框架下构造区间估计。
- 材料陈述的贡献
- 摘要称可揭示观测分配下效应随直接与间接暴露的系统变化，并给出受影响单位数量的下界，但因果含义较有限。
- 阅读关注点
- 应核对目标参数如何依赖观测分配、直接与间接暴露的定义、区间构造，以及受影响人数下界的解释范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出参数与区间公式，不能将结果解释为完整干扰机制识别。
原文摘要
In experiments that study social phenomena, such as peer influence or herd immunity, the treatment of one unit may influence the outcomes of others. Such "interference between units" violates traditional approaches for causal inference, so that additional assumptions are often imposed to model or limit the underlying social mechanism. For binary outcomes, we propose new estimands that can be estimated without such assumptions, allowing for interval estimates assuming only the randomization of treatment. However, the causal implications of these estimands are more limited than those attainable under stronger assumptions, showing only that the treatment effects under the observed assignment varied systematically as a function of each unit's direct and indirect exposure, while also lower bounding the number of units affected.