Sharp Bounds on the Variance of General Regression Adjustment in Randomized Experiments
随机实验中一般回归调整的方差锐界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：摘要明确研究随机实验中有限总体平均处理效应的方差识别与回归调整推断，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
随机实验中一般回归调整的方差锐界
- 研究问题
- 有限总体随机实验中，两种潜在结局的协方差不可观测；采用回归调整后，如何给处理效应估计方差构造锐界？
- 方法与思路
- 作者借助经验过程理论，将均值差估计量的渐近锐方差界推广到一般回归调整，并具体考察线性调整。
- 材料陈述的贡献
- 摘要称建立一般回归调整的渐近锐方差界，并通过模拟及三个不同学科的实证应用展示线性调整下的收益。
- 阅读关注点
- 应核对一般回归调整允许的函数类别、有限总体渐近条件、锐性的含义，以及方差界如何转化为置信区间。
- 阅读边界
- 这是arXiv预印本，同行评审和期刊接收未获确认；摘要未列出正则条件或收益大小，渐近锐界不等于识别真实方差。
原文摘要
A growing statistical literature focuses on causal inference in the context of experiments where the target of inference is the average treatment effect in a finite population and random assignment determines which subjects are allocated to one of the experimental conditions. In this framework, variances of average treatment effect estimators remain unidentified because they depend on the covariance between treated and untreated potential outcomes, which are never jointly observed. Conventional variance estimators are upwardly biased. Aronow, Green and Lee [Ann. Statist. 42(3): 850-871 (June 2014)] provide an estimator for the variance of the difference-in-means estimator that is asymptotically sharp. In practice, researchers often use some form of covariate adjustment, such as linear regression, when estimating the average treatment effect. Adapting propositions from empirical process theory, we extend the result in (Aronow et al., 2014), providing asymptotically sharp variance bounds for general regression adjustment. We apply these results to linear regression adjustment and show benefits both in a simulation and in three empirical applications drawn from different disciplines.