Estimating a Multiplicative Treatment Effect Under Biased Allocation
有偏处理分配下乘法处理效应的估计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：摘要直接以有偏处理分配下两种处理的乘法效应估计为研究目标。
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
有偏处理分配下乘法处理效应的估计
- 研究问题
- 当处理由初始计数是否跨越阈值决定，而处理后计数均值由潜在参数和处理效应共同决定时，如何一致估计两种乘法效应？
- 方法与思路
- 作者为给定潜在参数后的初始与处理后计数指定泊松模型，按照初始计数阈值分配处理，并在此有偏分配下构造效应估计量。
- 材料陈述的贡献
- 摘要称，文章给出两种乘法处理效应的一致估计量，并指出方法可用于初始计数为二项分布、潜在参数为成功优势的情形。
- 阅读关注点
- 应核对潜在参数与两个计数的联合结构、阈值分配如何进入估计方程、一致性所需条件，以及二项情形的具体扩展。
- 阅读边界
- 仅据版本未注明的索引摘要；联合依赖结构、潜在参数分布和识别条件未说明，不能仅凭阈值分配推断通常的断点识别结论。
原文摘要
Suppose that, given θ, x is Poisson with mean θ, while, given θ, y is Poisson with mean αθ or βθ according as treatment 1 or treatment 2 is used. Moreover, suppose that treatment 1 is used if x < a, while treatment 2 is used if x≥ a. Under this biased allocation of treatments we give consistent estimators of the two treatment effects α and β. The method also applies when x is binomial and θ is the odds on success, and to other cases.