Biased estimates of treatment effect in randomized experiments with nonlinear regressions and omitted covariates
随机实验中非线性回归遗漏协变量导致的处理效应估计偏差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：摘要直接讨论随机实验中的处理效应及遗漏协变量造成的估计偏差，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
随机实验中非线性回归遗漏协变量导致的处理效应估计偏差
- 研究问题
- 在随机实验中，若非线性回归遗漏必要协变量，处理效应估计为何仍会有偏，哪些回归形式能避免这种渐近偏差？
- 方法与思路
- 作者分析矩估计和最大似然估计的遗漏变量渐近偏差，并比较指数生存模型与Cox比例风险模型，辅以模拟核对。
- 材料陈述的贡献
- 摘要称线性或指数形式的响应回归具有零渐近偏差，常规情形下这也是必要条件；模拟支持所推导的偏差计算。
- 阅读关注点
- 应核对处理效应的参数定义、零渐近偏差结论的具体条件，以及删失生存数据中两种模型比较所采用的设定。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；常规条件和模拟设定未说明，不能把零渐近偏差等同于有限样本无偏。
原文摘要
Certain important nonlinear regression models lead to biased estimates of treatment effect, even in randomized experiments, if needed covariates are omitted. The asymptotic bias is determined both for estimates based on the method of moments and for maximum likelihood estimates. The asymptotic bias from omitting covariates is shown to be zero if the regression of the response variable on treatment and covariates is linear or exponential, and, in regular cases, this is a necessary condition for zero bias. Many commonly used models do have such exponential regressions; thus randomization ensures unbiased treatment estimates in a large number of important nonlinear models. For moderately censored exponential survival data, analysis with the exponential survival model yields less biased estimates of treatment effect than analysis with the proportional hazards model of Cox, if needed covariates are omitted. Simulations confirm that calculations of asymptotic bias are in excellent agreement with the bias observed in experiments of modest size.