On the performance of the Neyman Allocation with small pilots
小规模先导样本下奈曼分配的表现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：摘要直接研究随机实验分配如何影响平均处理效应估计，因此归入因果推断。
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
小规模先导样本下奈曼分配的表现
- 研究问题
- 当先导研究样本很小、主实验样本持续增大时，依据先导样本实施奈曼分配，是否仍能提高平均处理效应估计的精度？
- 方法与思路
- 作者采用先导样本量固定、主实验样本量趋于无穷的渐近框架，比较奈曼分配与均衡随机分配，并结合实例与模拟考察表现。
- 材料陈述的贡献
- 摘要称，在结果变量较同方差或峰度较高时，奈曼分配可能产生更高的渐近方差；实例展示这些情形，模拟探索改进方法。
- 阅读关注点
- 应核对固定先导样本框架下的方差比较方式、同方差与高峰度结论的适用条件，以及模拟中改进方法的具体设置和表现。
- 阅读边界
- 仅依据所给 OpenAlex 摘要；分布条件、经验例子的细节及改进方法均未说明，不能据此推断奈曼分配在所有小样本情形下失效。
原文摘要
The Neyman Allocation is used in many papers on experimental design, which typically assume that researchers have access to large pilot studies. This may be unrealistic. To understand the properties of the Neyman Allocation with small pilots, we study its behavior in an asymptotic framework that takes pilot size to be fixed even as the size of the main wave tends to infinity. Our analysis shows that the Neyman Allocation can lead to estimates of the ATE with higher asymptotic variance than with (non-adaptive) balanced randomization. In particular, this happens when the outcome variable is relatively homoskedastic with respect to treatment status or when it exhibits high kurtosis . We provide a series of empirical examples showing that such situations can arise in practice. Our results suggest that researchers with small pilots should not use the Neyman Allocation if they believe that outcomes are homoskedastic or heavy-tailed. Finally, we examine some potential methods for improving the finite sample performance of the FNA via simulations.