Covariate Balancing Sensitivity Analysis for Extrapolating Randomized Trials across Locations
跨地区外推随机试验的协变量平衡敏感性分析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：摘要围绕随机试验处理效应的跨地区外推、未观测效应修饰和识别界限展开，直接属于因果推断与敏感性分析。
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
跨地区外推随机试验的协变量平衡敏感性分析
- 研究问题
- 当未观测的效应修饰变量阻碍随机试验结果跨地区推广时，如何界定目标地区的处理效应，并利用协变量信息缩小界限？
- 方法与思路
- 作者借鉴观察研究的敏感性分析，以优化程序构造目标地区处理效应界限，再通过平衡协变量的矩得到更有信息的界限。
- 材料陈述的贡献
- 摘要提出结合敏感性分析和协变量平衡的外推方法，并称模拟中协变量平衡有望获得更窄的识别区间，未报告具体幅度。
- 阅读关注点
- 应核对未观测效应修饰的敏感性参数、跨地区可比性要求、协变量矩约束，以及识别界限与抽样不确定性的区分。
- 阅读边界
- 这是 arXiv 预印本，不能据此声称已经同行评审或期刊接收；摘要未说明敏感性模型、界限有效条件及真实政策应用结果。
原文摘要
The ability to generalize experimental results from randomized control trials (RCTs) across locations is crucial for informing policy decisions in targeted regions. Such generalization is often hindered by the lack of identifiability due to unmeasured effect modifiers that compromise direct transport of treatment effect estimates from one location to another. We build upon sensitivity analysis in observational studies and propose an optimization procedure that allows us to get bounds on the treatment effects in targeted regions. Furthermore, we construct more informative bounds by balancing on the moments of covariates. In simulation experiments, we show that the covariate balancing approach is promising in getting sharper identification intervals.