Beyond Arbitrary Replications: A Principled Approach to Simulation Design in Causal Inference
超越任意重复次数：因果推断模拟设计的原则性方法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：摘要明确围绕处理效应估计量的模拟评估展开，并把算法定位于因果推断方法比较，因此归入因果推断这一最直接方向。
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…
超越任意重复次数：因果推断模拟设计的原则性方法
- 研究问题
- 评估处理效应估计量时，如何依据预定可检测差异和统计功效确定模拟重复次数，而不是任意设定次数并缺少正式比较？
- 方法与思路
- 作者提出 TISCA，将 Welch t 检验与功效分析结合，迭代模拟直到达到用户指定的最小可检测差异、显著性水平及目标功效。
- 材料陈述的贡献
- 摘要称该方法为重复次数和模型比较提供统计依据；一个重访案例以五百次替代原先一千次模拟，体现潜在计算节约。
- 阅读关注点
- 应核对比较统计量、重复间独立性与方差估计，以及根据中间结果停止模拟是否影响检验水平、功效计算和多方法比较。
- 阅读边界
- 本文为 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明迭代停止的误差控制条件，单个案例不能保证普遍节约计算。
原文摘要
Evaluation of novel treatment effect estimators frequently relies on simulation studies lacking formal statistical comparisons and using arbitrary numbers of replications ($J$). This hinders reproducibility and efficiency. We propose the Test-Informed Simulation Count Algorithm (TISCA) to address these shortcomings. TISCA integrates Welch's t-tests with power analysis, iteratively running simulations until a pre-specified power (e.g., 0.8) is achieved for detecting a user-defined minimum detectable effect size (MDE) at a given significance level ($α$). This yields a statistically justified simulation count ($J$) and rigorous model comparisons. Our bibliometric study confirms the heterogeneity of current practices regarding $J$. A case study revisiting McJames et al. (2024) demonstrates TISCA identifies sufficient simulations ($J=500$ vs. original $J=1000$), saving computational resources while providing statistically sound evidence. TISCA promotes rigorous, efficient, and sustainable simulation practices in causal inference and beyond.