Regression-assisted inference for the average treatment effect in paired experiments
配对实验中平均处理效应的回归辅助推断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：摘要明确围绕配对随机实验、潜在结果和样本平均处理效应展开，直接属于因果推断，未提供其他细分方向的充分依据。
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
配对实验中平均处理效应的回归辅助推断
- 研究问题
- 配对随机实验中，同一配对内仍可能存在影响结果的协变量差异；研究关注如何借助回归调整改善样本平均处理效应的推断。
- 方法与思路
- 作者在潜在结果框架下提出两种回归辅助估计量，分析模型误设时的一致性，并构造渐近保守置信区间及开展模拟。
- 材料陈述的贡献
- 摘要称，在一定正则条件下，两种估计量即使回归误设仍一致，且渐近方差不大于标准均值差估计量，无需恒定处理效应。
- 阅读关注点
- 应核对两种估计量的构造、配对随机化与渐近框架、协变量及正则条件，以及保守方差估计和有限样本模拟的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件、有限样本覆盖率和功效增益未说明，不能推断刊本变化。
原文摘要
In paired randomized experiments individuals in a given matched pair may differ on prognostically important covariates despite the best efforts of practitioners. We examine the use of regression adjustment as a way to correct for persistent covariate imbalances after randomization, and present two regression assisted estimators for the sample average treatment effect in paired experiments. Using the potential outcomes framework, we prove that these estimators are consistent for the sample average treatment effect under mild regularity conditions even if the regression model is improperly specified. Further, we describe how asymptotically conservative confidence intervals can be constructed. We demonstrate that the variances of the regression assisted estimators are at least as small as that of the standard difference-in-means estimator asymptotically. Through a simulation study, we illustrate the appropriateness of the proposed methods in small and moderate samples. The analysis does not require a superpopulation model, a constant treatment effect, or the truth of the regression model, and hence provides a mode of inference for the sample average treatment effect with the potential to yield improvements in the power of the resulting analysis over the classical analysis without imposing potentially unrealistic assumptions.