Design-based Estimation Theory for Complex Experiments
复杂实验的基于设计估计理论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：摘要研究随机实验处理效应，明确允许单位间干扰，并用社会网络影响保险采纳的实验背景模拟，因此对应因果推断与网络干扰。
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
复杂实验的基于设计估计理论
- 研究问题
- 在包含单位间干扰的复杂随机实验中，如何统一分析不同实验设计与估计量的组合，并估计方差界和刻画设计复杂程度？
- 方法与思路
- 作者构建适用于任意实验设计的设计型估计理论，提出渐近方差界的一致估计程序、新估计量类别及标量实验复杂度指标。
- 材料陈述的贡献
- 摘要称新理论支持常见设计与估计量组合的分析，新估计量具有有利渐近性质，并将复杂度与设计型方差联系起来。
- 阅读关注点
- 应核对任意设计这一表述的实际条件、干扰下效应如何定义，以及方差界的一致估计、复杂度指标和渐近性质所需限制。
- 阅读边界
- 本文为 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出具体渐近条件，表现展示使用基于真实网络实验构造的模拟数据。
原文摘要
This paper considers the estimation of treatment effects in randomized experiments with complex experimental designs, including cases with interference between units. We develop a design-based estimation theory for arbitrary experimental designs. Our theory facilitates the analysis of many design-estimator pairs that researchers commonly employ in practice and provide procedures to consistently estimate asymptotic variance bounds. We propose new classes of estimators with favorable asymptotic properties from a design-based point of view. In addition, we propose a scalar measure of experimental complexity which can be linked to the design-based variance of the estimators. We demonstrate the performance of our estimators using simulated datasets based on an actual network experiment studying the effect of social networks on insurance adoptions.