Fit CATE Once: Model-Assisted Randomization Tests Without Sample Splitting
只拟合一次 CATE：无需样本分割的模型辅助随机化检验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：摘要直接研究随机化面板实验中的条件平均处理效应、异质性子群与随机化因果检验。
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
只拟合一次 CATE：无需样本分割的模型辅助随机化检验
- 研究问题
- 在随机化面板实验中，如何结合灵活处理效应模型与随机化检验，在无需样本分割的同时利用效应异质性提高检验能力？
- 方法与思路
- 作者利用残差化结果的协方差结构估计不带符号的条件平均处理效应，将实际处理分配留给随机化推断，再选择拟合结果的符号。
- 材料陈述的贡献
- 摘要称，论文建立了无符号效应估计的识别、一致性及辅助检验的有效性；模拟中控制第一类错误，并较所列基准具有更高功效。
- 阅读关注点
- 应核对协方差如何识别效应大小、符号选择如何纳入检验有效性论证，以及发现异质性子群后进行检验的具体流程。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未说明识别条件、零假设形式和功效比较细节，不能推断普遍优势。
原文摘要
Randomization tests and flexible treatment-effect models offer complementary strengths for analyzing data from randomized panel experiments: the former provide valid inference under the known assignment mechanism, while the latter can capture complex patterns of effect heterogeneity. We develop model-assisted randomization tests that combine these strengths without sample splitting. The key idea is to estimate an unsigned version of the conditional average treatment effect (CATE) from the covariance structure of residualized outcomes, while leaving the realized assignments for randomization inference. The remaining sign can be chosen to best fit the observed outcomes. We establish identification and consistency for the proposed unsigned CATE estimators, as well as validity for the CATE-assisted randomization tests. Across synthetic and semi-synthetic experiments, the CATE-assisted randomization tests control Type I error and achieve higher power than covariate-adjusted and sample-split alternatives. Finally, we show that the assignment-free CATE estimates can be used to discover heterogeneous subgroups and test subgroup-specific treatment effects.