On MSE-optimal crossover designs
均方误差最优的交叉试验设计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。
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：摘要直接研究试验设计中的处理直接效应估计及残留效应造成的偏差，支持归入因果推断方向。
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
均方误差最优的交叉试验设计
- 研究问题
- 交叉试验中若直接处理效应估计没有校正残留效应，如何选择设计以平衡由此产生的偏差与方差，并最小化均方误差？
- 方法与思路
- 作者研究未校正残留效应的直接处理效应估计，以偏差平方加方差作为设计准则，并考察针对校正估计的最优设计。
- 材料陈述的贡献
- 摘要称，对于已校正残留效应估计量最优的设计，在未校正估计量的均方误差准则下也具有较高效率。
- 阅读关注点
- 应核对直接效应和残留效应的模型、设计空间、均方误差如何依赖残留效应大小，以及所述高效率的衡量标准。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未说明处理分配条件、残留效应范围或效率数值，不能据此认为忽略残留效应总是合适。
原文摘要
In crossover designs, each subject receives a series of treatments one after the other. Most papers on optimal crossover designs consider an estimate which is corrected for carryover effects. We look at the estimate for direct effects of treatment, which is not corrected for carryover effects. If there are carryover effects, this estimate will be biased. We try to find a design that minimizes the mean square error, that is, the sum of the squared bias and the variance. It turns out that the designs which are optimal for the corrected estimate are highly efficient for the uncorrected estimate.