Randomization-based confidence sets for the local average treatment effect
局部平均处理效应的随机化置信集合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：摘要研究随机实验不依从条件下局部平均处理效应的随机化推断。
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…
局部平均处理效应的随机化置信集合
- 研究问题
- 随机实验存在不依从时，如何为局部平均处理效应构造置信集合，并兼顾处理效应同质与异质情形下不同层次的推断有效性？
- 方法与思路
- 作者改进既有随机化程序，采用学生化的 Anderson–Rubin 型检验统计量，开展统一分析，并提供构造置信集合的高效算法。
- 材料陈述的贡献
- 摘要称所构造集合在处理效应同质时具有有限样本精确性，在异质时对局部平均处理效应保持渐近有效，并给出统一分析。
- 阅读关注点
- 核对随机化机制、不依从与效应参数的假设，区分同质下精确性和异质下渐近性，并检查统一分析范围及集合计算方式。
- 阅读边界
- 这是预印本，同行评审及接收状态未核实。摘要未说明识别条件、统一性覆盖的参数范围及算法细节，不能将有限样本精确性推广到异质情形。
原文摘要
We consider the problem of generating confidence sets in randomized experiments with noncompliance. We show that a refinement of a randomization-based procedure proposed by Imbens and Rosenbaum (2005) has desirable properties. Namely, we show that using a studentized Anderson--Rubin-type statistic as a test statistic yields confidence sets that are finite-sample exact under treatment effect homogeneity, and remain asymptotically valid for the Local Average Treatment Effect when the treatment effect is heterogeneous. We provide a uniform analysis of this procedure and efficient algorithms to construct the confidence set.