A unified analysis of regression adjustment in randomized experiments
随机实验中回归调整的统一分析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：摘要围绕随机实验的处理效应估计、回归调整和效率比较展开，直接属于因果推断，未提供其他细分的充分依据。
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
随机实验中回归调整的统一分析
- 研究问题
- 随机实验中的线性回归调整何时能够提高处理效应估计精度，不同调整估计量之间的渐近方差支配关系是否具有一般性？
- 方法与思路
- 作者基于异方差线性回归理论统一比较一类调整估计量的渐近方差，不要求设定的线性模型正确，并考察其他分配机制。
- 材料陈述的贡献
- 摘要称，完全随机二元处理下可给出部分估计量效率支配的充分条件；推广至其他分配机制和广义线性模型时不再具有该关系。
- 阅读关注点
- 应核对比较涵盖哪些估计量、效率支配的充分条件，以及推广设置中的结果是缺乏统一保证，还是存在明确的反例。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列出充分条件，渐近效率比较也不能直接保证有限样本改善。
原文摘要
Regression adjustment is broadly applied in randomized trials under the premise that it usually improves the precision of a treatment effect estimator. However, previous work has shown that this is not always true. To further understand this phenomenon, we develop a unified comparison of the asymptotic variance of a class of linear regression-adjusted estimators. Our analysis is based on the classical theory for linear regression with heteroscedastic errors and thus does not assume that the postulated linear model is correct. For a completely randomized binary treatment, we provide sufficient conditions under which some regression-adjusted estimators are guaranteed to be more asymptotically efficient than others. We explore other settings such as general treatment assignment mechanisms and generalized linear models, and find that the variance dominance phenomenon no longer occurs.