Optimal Estimation When Researcher and Social Preferences Are Misaligned
研究者与社会偏好不一致时的最优估计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：摘要聚焦随机实验中的平均处理效应估计、协变量调整及规格搜索造成的偏差，直接属于因果推断方法。
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
研究者与社会偏好不一致时的最优估计
- 研究问题
- 当研究者按自身偏好甚至依据数据选择协变量调整方案时，如何约束处理效应估计，使有益的精度改善与社会目标一致？
- 方法与思路
- 作者把实验数据分析视为机制设计问题，研究无偏及固定偏差约束，并将固定偏差的处理效应估计量构造为样本拆分程序。
- 材料陈述的贡献
- 摘要称，无偏要求可使研究者偏好与相对真值的均方误差最小化一致，固定偏差可具有极小极大最优性，并容许有益规格搜索。
- 阅读关注点
- 应核对研究者偏好与选择行为的建模、无偏和固定偏差约束的实施方式，以及样本拆分刻画与次优估计量的条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断偏好对齐结论的适用条件或现实可执行性，不能认定所有规格搜索均可由此消除偏差。
原文摘要
Econometric analysis typically focuses on the statistical properties of fixed estimators and ignores researcher choices. In this article, I instead approach the analysis of experimental data as a mechanism‐design problem that acknowledges that researchers choose between estimators, sometimes based on the data and often according to their own preferences. Specifically, I focus on covariate adjustments, which can increase the precision of a treatment‐effect estimate, but open the door to bias when researchers engage in specification searches. First, I establish that unbiasedness as a requirement on the estimation of the average treatment effect can align researchers' preferences with the minimization of the mean‐squared error relative to the truth, and that fixing the bias can yield an optimal restriction in a minimax sense. Second, I provide a constructive characterization of treatment‐effect estimators with fixed bias as sample‐splitting procedures. Third, I discuss the implementation of second‐best estimators that leave room for beneficial specification searches.