A decorrelation method for general regression adjustment in randomized experiments
随机实验中一般回归调整的去相关方法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：研究随机实验中的平均处理效应估计与回归调整。
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…
随机实验中一般回归调整的去相关方法
- 研究问题
- 在基于随机化设计的平均处理效应估计中，如何减少一般回归调整因样本重复使用产生的偏差，并放宽方法适用条件？
- 方法与思路
- 作者提出基于去相关的回归调整方法，相对于给定调整程序所针对的神谕函数建立渐近和非渐近保证，并考察高维与非参数场景。
- 材料陈述的贡献
- 摘要称，该方法绕开样本重复使用导致的问题，在所考察场景中改善样本复杂度，并弱化已有方法所需的假设。
- 阅读关注点
- 核对去相关的实现步骤、设计型随机性与目标效应定义、神谕基准的含义，以及有限样本保证与弱化假设的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未列出具体假设、误差界和比较对象，不能判断所有调整方法的表现。
原文摘要
We study regression adjustment with general function class approximations for estimating the average treatment effect in the design-based setting. Standard regression adjustment involves bias due to sample re-use, and this bias leads to behavior that is sub-optimal in the sample size, and/or imposes restrictive assumptions. Our main contribution is to introduce a novel decorrelation-based approach that circumvents these issues. We prove guarantees, both asymptotic and non-asymptotic, relative to the oracle functions that are targeted by a given regression adjustment procedure. We illustrate our method by applying it to various high-dimensional and non-parametric problems, exhibiting improved sample complexity and weakened assumptions relative to known approaches.