On the Optimality of Randomization in Experimental Design: How to Randomize for Minimax Variance and Design-Based Inference
实验设计中随机化的最优性：极小极大方差与基于设计的推断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：摘要直接研究两组对照实验的效应估计、处理分配与随机化推断，构成因果推断方向的明确依据。
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
实验设计中随机化的最优性：极小极大方差与基于设计的推断
- 研究问题
- 两组对照实验如何通过随机化实现效应估计精度的极小极大最优，同时保证基于随机化的推断所需均匀性？
- 方法与思路
- 作者在给定条件均值集合上优化设计，区分置换对称与有结构的集合，并将足够均匀性作为设计约束。
- 材料陈述的贡献
- 摘要称置换对称时完全随机化最优；精度最优仍需超出单一分割的随机化，并提出受推断约束的混合策略设计。
- 阅读关注点
- 应核对条件均值集合、精度目标与充分均匀性的定义，以及混合策略设计如何兼顾最坏情形方差和推断。
- 阅读边界
- 仅据所给 Crossref 摘要；具体约束、设计计算方法与适用条件未说明，精度最优本身不保证推断有效性。
原文摘要
Abstract I study the minimax-optimal design for a two-arm controlled experiment where conditional mean outcomes vary in a given set and the objective is effect-estimation precision. When this set is permutation symmetric, the optimal design is shown to be complete randomization. Notably, even when the set has structure (i.e., is not permutation symmetric), being minimax-optimal for precision still requires randomization beyond a single partition of units, that is, beyond randomizing the identity of treatment. A single partition is not optimal even when conditional means are linear. Since this only targets precision, it may nonetheless not ensure sufficient uniformity for design-based (i.e., randomization) inference. I therefore propose the inference-constrained mixed-strategy optimal design as the minimax-optimal for precision among designs subject to sufficient-uniformity constraints.