Design-based causal inference for incomplete block designs
不完全区组设计的设计型因果推断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：摘要明确研究区组随机化、有限总体处理效应及设计型因果推断。
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…
关注这篇论文的作者
不完全区组设计的设计型因果推断
- 研究问题
- 当处理组很多、无法在每个区组内安排所有处理时，如何保持处理组数量，并依据不完全区组随机化开展因果估计和推断？
- 方法与思路
- 作者在有限总体设计型框架下研究不完全及平衡不完全区组，分析两种估计量，建立中心极限定理并提出保守方差估计。
- 材料陈述的贡献
- 摘要称，论文提供这两类设计下的新推断结果，并比较设计型与线性模型型估计量，以模拟和数据示例说明其表现及实用性。
- 阅读关注点
- 应核对区组和处理的随机分配机制、两种估计量的目标与性质，以及有限总体渐近条件和方差估计保守性的来源。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明具体分配规则、中心极限定理条件或效率排序，不能认定不完全设计在所有场景中更优。
原文摘要
Summary Researchers often turn to block randomization to increase the precision of their inference or for practical reasons, such as in multi-site trials. However, if the number of treatments under consideration is large, it may not be feasible or practical to assign all treatments within each block. We develop novel inference results under the finite-population, design-based framework for natural alternatives to the complete block design that do not require reducing the number of treatment arms, namely the incomplete block design and the balanced incomplete block design. This includes deriving the properties of two design-based estimators, developing a finite-population central limit theorem and proposing conservative variance estimators. Comparisons between the design-based estimators and linear model-based estimators are also provided. Simulations and a data illustration further demonstrate the performance of incomplete block design estimators. This work highlights incomplete block designs as practical and currently underutilized.