Robust Signal Maximization in Spillover Experiments
溢出效应实验中的稳健信号最大化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：摘要明确研究网络溢出效应、暴露映射和随机实验的分配设计。
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
溢出效应实验中的稳健信号最大化
- 研究问题
- 在已知暴露映射的溢出实验中，怎样联合选择处理分配和回归估计器，使其对广泛未观测因素分布的最坏渐近方差最小？
- 方法与思路
- 作者刻画稳健最优分配与再中心化工具变量估计器，权衡溢出信号强度和变异扩散，并为一般及二部网络提出计算近似。
- 材料陈述的贡献
- 摘要称框架在聚类暴露等基准中给出自然解；两项发展经济学半合成实验的标准误下降，对应有效样本量增加百分之五十至一百或更多。
- 阅读关注点
- 应核对暴露映射已知的含义、最坏情形分布类与优化约束，以及网络近似和半合成比较如何计算标准误与有效样本量。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核验；摘要未说明完整优化条件，所报精度增益不能外推到未知或错设暴露映射。
原文摘要
We study the optimal design and analysis of experiments for estimating spillover effects. Assuming a known (e.g., linear) exposure mapping, we characterize the treatment-assignment distribution and regression-based estimator that minimize worst-case asymptotic variance against a broad class of distributions of unobservables. The design problem yields an intuitive solution in which the planner trades off spillover signal strength against diffusion of spillover variation. The analysis problem yields a simple recentered instrumental variable estimator to best leverage this variation. This framework produces natural solutions in several benchmark cases - such as clustered exposure - and suggests computationally tractable approximations for general networks, including bipartite settings. We illustrate these new tools in semi-synthetic experiments based on two applications from development economics. Our approach yields large standard error reductions in both experiments, increasing effective sample sizes by 50-100% or more.