Experimental Design When N Equals One
样本个体数为一时的实验设计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。
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：摘要直接研究随机处理分配与动态治疗效应，并使用时间序列和有限阶脉冲响应模型。
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
样本个体数为一时的实验设计
- 研究问题
- 在单个个体的时间序列实验中，怎样安排处理切换，才能降低累计效应或特定滞后效应的估计误差并兼顾稳健性？
- 方法与思路
- 作者以可随时间变化的马尔可夫转移矩阵描述处理分配，在有限阶脉冲响应模型下优化目标效应的普通最小二乘估计误差。
- 材料陈述的贡献
- 摘要称，论文建立随机切换和周期切换两类设计的大时间维度理论，解释独立伯努利设计的稳健性及最优设计对目标量的依赖。
- 阅读关注点
- 应核对脉冲响应模型、误差结构及设计约束，区分两类设计中的最优性与更广泛的最优性，并检查有限样本模拟设置。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列明渐近理论条件，不能据此推断对任意动态处理过程均最优。
原文摘要
N-of-1 trials, or time-series experiments, are widely used in clinical research and online platforms. Yet the theoretically optimal design for estimating many treatment effects remains unclear. We propose a simple Markovian framework for experimental design in which the treatment assignment process is governed by possibly time-varying transition matrices. This formulation encompasses many existing N-of-1 designs and provides a principled way to control temporal dependence in treatment assignment through Markov transition probabilities. Under a finite-order impulse-response model, we formulate the design objective as minimizing the estimation error of ordinary least squares estimators for target treatment effects, and propose practical design optimization procedures. To characterize the optimal temporal structure, we focus on two structured design classes, random-switch and cycle-switch designs, and establish a complete large-$T$ asymptotic theory for the optimal designs in both classes. Our results justify the robustness of i.i.d. Bernoulli designs in N-of-1 trials and quantify how the optimal design depends on the target estimand, including cumulative and lag-specific treatment effects. Simulations demonstrate the effectiveness and robustness of the proposed designs across multiple scenarios.