Multiple Randomization Designs: Estimation and Inference with Interference
多重随机化设计：存在干扰时的估计与推断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。
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：摘要直接研究随机实验中的因果效应，并以群体互动、干扰和溢出为核心问题。
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
多重随机化设计：存在干扰时的估计与推断
- 研究问题
- 当市场中多个群体相互作用并产生复杂溢出时，如何设计随机实验，使主要效应、直接效应与溢出效应具有可估计的目标？
- 方法与思路
- 作者讨论适用于多群体互动的新实验设计和相应估计目标，推导可实施估计量的有限样本性质，并给出相关中心极限定理。
- 材料陈述的贡献
- 摘要称论文以新的随机化设计捕捉传统实验难以回答的溢出问题，并为主要效应、直接效应及溢出效应提供估计与推断理论。
- 阅读关注点
- 应核对多重随机化的具体分配规则、干扰与战略互动的建模方式，以及各效应定义、有限样本性质和渐近条件的对应关系。
- 阅读边界
- 依据 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未说明允许哪些干扰结构，也未列出估计公式与中心极限定理条件。
原文摘要
Classical designs of randomized experiments, going back to Fisher and Neyman in the 1930s still dominate practice even in online experimentation. However, such designs are of limited value for answering standard questions in settings, common in marketplaces, where multiple populations of agents interact strategically, leading to complex patterns of spillover effects. In this paper, we discuss new experimental designs and corresponding estimands to account for and capture these complex spillovers. We derive the finite-sample properties of tractable estimators for main effects, direct effects, and spillovers, and present associated central limit theorems.