Exact Bias Correction for Linear Adjustment of Randomized Controlled Trials
随机对照试验线性调整的精确偏差修正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：摘要直接研究随机对照试验的回归调整、随机化模型与处理效应估计偏差，因此归入因果推断；未涉及其他给定专属模型。
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…
随机对照试验线性调整的精确偏差修正
- 研究问题
- 随机化模型下，线性回归调整可能引入偏差；如何在保留调整带来的渐近收益时，精确修正含或不含处理与协变量交互项的估计量？
- 方法与思路
- 作者在 Freedman 所用假设下推导两类线性调整估计量的闭式偏差修正，并比较修正前后估计量的极限分布。
- 材料陈述的贡献
- 摘要称，偏差修正是精确的，且不改变估计量的极限分布，因此在所用假设下可保留回归调整的渐近收益而消除该偏差。
- 阅读关注点
- 应核对精确修正针对的随机化期望、所沿用假设、两类交互项设定，以及有限样本方差和标准误是否需要另外处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列明 Freedman 假设及修正公式，不能推广为所有回归调整均无偏。
原文摘要
In an influential critique of empirical practice, Freedman (2008) showed that the linear regression estimator was biased for the analysis of randomized controlled trials under the randomization model. Under Freedman's assumptions, we derive exact closed-form bias corrections for the linear regression estimator with and without treatment-by-covariate interactions. We show that the limiting distribution of the bias corrected estimator is identical to the uncorrected estimator, implying that the asymptotic gains from adjustment can be attained without introducing any risk of bias. Taken together with results from Lin (2013), our results show that Freedman's theoretical arguments against the use of regression adjustment can be completely resolved with minor modifications to practice.