Treatment effect validation via a permutation test in Stata
在 Stata 中通过置换检验评估处理效应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：摘要围绕实验处理效应的显著性检验及基线不平衡、调查流失展开，因此归入因果推断；软件实现不构成其他领域分类依据。
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
在 Stata 中通过置换检验评估处理效应
- 研究问题
- 实验数据存在协变量基线不平衡与调查流失时，如何通过置换检验评估处理效应显著性，并考察有限置换次数下的检验表现？
- 方法与思路
- 作者基于线性回归讨论两类既有置换程序，介绍 Stata 的 permtest 命令，并用 Monte Carlo 模拟考察经验尺寸与功效。
- 材料陈述的贡献
- 摘要提供处理效应置换检验的实施说明与 Stata 命令，并研究基线不平衡和调查流失条件下的有限样本有效性及功效。
- 阅读关注点
- 应核对置换对象与随机化机制、协变量如何进入检验、流失机制的设定，以及固定置换次数对显著性水平和功效的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未报告模拟结论，不能认定置换检验能自动解决任意调查流失问题。
原文摘要
In this paper we describe the testing procedure for assessing the statistical significance of treatment effect under the experimental conditions of baseline imbalance across covariates and attrition from the survey, using the permutation tests proposed by Freedman and Lane (1983) and Romano and Wolf (2016). We discuss the testing procedure for these hypotheses based on a linear regression model and introduce the new Stata command [R] permtest for the implementation of the permutation test in Stata. Moreover, we investigate the finite-sample performance as well as the statistical validity of the test with a Monte Carlo simulation study in which we examine the empirical size and power properties under the conditions of baseline imbalance and attrition for a fixed number of permutation steps.