Regression-adjusted average treatment effect estimates in stratified randomized experiments
分层随机实验中经回归调整的平均处理效应估计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。
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：摘要明确研究分层随机实验中的平均处理效应、回归调整和随机化推断。
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
分层随机实验中经回归调整的平均处理效应估计
- 研究问题
- 在分层随机实验中，用线性回归调整处理组与对照组的协变量不平衡，能否改善平均处理效应估计并支持有效区间推断？
- 方法与思路
- 作者建立基于随机化的推断框架，重新证明分层实验的有限总体中心极限定理，并分析均值差与回归调整估计量。
- 材料陈述的贡献
- 摘要称两种估计量一致且渐近正态，回归调整的渐近方差不大于分层均值差，并提供用于大样本区间的保守方差估计。
- 阅读关注点
- 应核对分层和样本规模的渐近安排、回归调整的具体形式、方差比较成立条件，以及保守方差估计如何构造。
- 阅读边界
- 仅据所给 Crossref 摘要，所谓温和条件未具体列出；渐近方差改善不等于任意小样本改善，也不能推断其他版本变化。
原文摘要
Summary Linear regression is often used in the analysis of randomized experiments to improve treatment effect estimation by adjusting for imbalances of covariates in the treatment and control groups. This article proposes a randomization-based inference framework for regression adjustment in stratified randomized experiments. We re-establish, under mild conditions, the finite-population central limit theorem for a stratified experiment, and we prove that both the stratified difference-in-means estimator and the regression-adjusted average treatment effect estimator are consistent and asymptotically normal; the asymptotic variance of the latter is no greater and typically less than that of the former. We also provide conservative variance estimators that can be used to construct large-sample confidence intervals for the average treatment effect.