Treatment effect heterogeneity in paired data
配对数据中的处理效应异质性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：题名与摘要直接研究处理效应异质性，但未交代因果识别条件。
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
配对数据中的处理效应异质性
- 研究问题
- 配对数据分析常假定处理效应同质，如何检验这一假定，并在配对计数存在过度离散时进行推断？
- 方法与思路
- 作者发展处理效应同质性检验，以泊松和二项情形说明，并研究过度离散下的混合模型推断方法。
- 材料陈述的贡献
- 摘要明确提出配对数据的同质性检验，并探讨混合模型处理过度离散的用途，重点放在配对计数数据。
- 阅读关注点
- 应核对处理效应的定义、同质性原假设及检验校准方式，并检查混合模型如何描述配对结构和过度离散。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明处理分配、因果识别条件或检验表现，不能推断刊本变化。
原文摘要
Data from matched pairs are often analysed under the assumption that treatment effects are homogeneous. We develop tests of this assumption, with Poisson and binomial examples. Mixture models for inference when overdispersion is present are investigated, with stress on matched pairs of counts.