On the Performance of the Neyman Allocation with Small Pilots
小规模先导实验下奈曼分配的表现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：摘要研究随机实验中的处理分配及平均处理效应估计精度。
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
小规模先导实验下奈曼分配的表现
- 研究问题
- 当先导实验很小、主实验规模不断增大时，依赖先导样本的奈曼分配是否仍能提高平均处理效应估计的精度？
- 方法与思路
- 作者采用先导样本量固定、主实验样本量趋于无穷的渐近框架，比较奈曼分配与均衡随机分配，并辅以实例和改进方法模拟。
- 材料陈述的贡献
- 摘要称，在处理组间近似同方差或结果高峰度等情形下，奈曼分配可能导致更高的渐近方差，并展示这些情形的实际例子。
- 阅读关注点
- 应核对方差比较如何处理先导样本随机性、同方差和峰度条件，以及分配比例边界、估计方式与有限样本改进的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实。摘要未给出比较阈值、完整分布条件和改进结果，不能将结论推广到所有实验设计。
原文摘要
The Neyman Allocation is used in many papers on experimental design, which typically assume that researchers have access to large pilot studies. This may be unrealistic. To understand the properties of the Neyman Allocation with small pilots, we study its behavior in an asymptotic framework that takes pilot size to be fixed even as the size of the main wave tends to infinity. Our analysis shows that the Neyman Allocation can lead to estimates of the ATE with higher asymptotic variance than with (non-adaptive) balanced randomization. In particular, this happens when the outcome variable is relatively homoskedastic with respect to treatment status or when it exhibits high kurtosis. We provide a series of empirical examples showing that such situations can arise in practice. Our results suggest that researchers with small pilots should not use the Neyman Allocation if they believe that outcomes are homoskedastic or heavy-tailed. Finally, we examine some potential methods for improving the finite sample performance of the FNA via simulations.