Nearly random designs with greatly improved balance
大幅改善协变量平衡的近随机实验设计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。
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：摘要围绕处理组与对照组的实验分配及协变量平衡，直接关联因果推断中的实验设计。
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
大幅改善协变量平衡的近随机实验设计
- 研究问题
- 能否将实验单位分为协变量高度平衡的两组，同时在明确的分配随机性指标下尽量保留完全随机分配的性质？
- 方法与思路
- 作者提出两组分配算法，分析单个及多个协变量的不平衡阶数，并以分配方差最大特征值及新增指标衡量随机性偏离。
- 材料陈述的贡献
- 摘要称算法显著降低协变量不平衡，并在所讨论的指标下接近完全随机分配；同时提供模拟、推断讨论及 R 软件包。
- 阅读关注点
- 应核对严格非随机分配与近随机指标之间的关系、不平衡阶数的适用条件，以及该设计下检验和区间推断的依据。
- 阅读边界
- 仅据所给 Crossref 摘要，指标上的近随机不能直接替代随机化推断保证；摘要未说明算法全部条件或处理效应推断细节。
原文摘要
Summary We present a procedure that divides a set of experimental units into two groups that are similar on a prespecified set of covariates and are almost as random as with a complete randomization. Under complete randomization, the difference in the standardized average between treatment and control is $O_{\rm p}(n^{-1/2})$, which may be material in small samples. We present an algorithm that reduces imbalance to $O_{\rm p}(n^{-3})$ for one covariate and $O_{\rm p}\{n^{-(1 + 2/p)}\}$ for $p$ covariates, but whose assignments are, strictly speaking, nonrandom. In addition to the metric of maximum eigenvalue of allocation variance, we introduce two metrics that capture departures from randomization and show that our assignments are nearly as random as complete randomization in terms of all measures. Simulations illustrate the results, and inference is discussed. An R package to generate designs according to our algorithm and other popular designs is available.