Adaptive Weighted Random Isolation (AWRI): a simple design to estimate causal effects under network interference
自适应加权随机隔离：网络干扰下因果效应的实验设计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。
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：摘要明确研究网络干扰下的随机实验设计、潜在结果与总体处理效应，直接对应网络及因果方向。
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…
自适应加权随机隔离：网络干扰下因果效应的实验设计
- 研究问题
- 存在网络干扰时，如何设计随机实验并估计全体处理与全体控制之间的平均潜在结果差，即总体处理效应？
- 方法与思路
- 作者提出加权随机隔离设计及受限均值差估计量，构造均方误差替代指标，并用网络自适应算法选择权重。
- 材料陈述的贡献
- 摘要称，该方法支持有向网络并可降低偏差，模拟中在多种情景下优于九种比较方法，但未给出具体数值。
- 阅读关注点
- 应核对干扰与暴露设定、隔离和样本保留规则，以及均方误差替代指标与实际误差之间的关系。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列适用条件，模拟优势不能推定为所有网络上的优势。
原文摘要
Recently, causal inference under interference has gained increasing attention in the literature. In this paper, we focus on randomized designs for estimating the total treatment effect (TTE), defined as the average difference in potential outcomes between fully treated and fully controlled groups. We propose a simple design called weighted random isolation (WRI) along with a restricted difference-in-means estimator (RDIM) for TTE estimation. Additionally, we derive a novel mean squared error surrogate for the RDIM estimator, supported by a network-adaptive weight selection algorithm. This can help us determine a fair weight for the WRI design, thereby effectively reducing the bias. Our method accommodates directed networks, extending previous frameworks. Extensive simulations demonstrate that the proposed method outperforms nine established methods across a wide range of scenarios.