Designs for estimating the treatment effect in networks with interference
存在干扰的网络中处理效应估计的实验设计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：摘要明确研究网络干扰下的随机实验设计与直接处理效应因果推断。
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…
存在干扰的网络中处理效应估计的实验设计
- 研究问题
- 网络上一个单位的处理可能影响其他单位时，如何设计随机实验，使经典 Neyman 型估计量能可靠估计直接处理效应？
- 方法与思路
- 作者把处理分配视为图上的准着色，力求为每个处理单位匹配一个不同的控制单位，使两者的处理与控制邻居数一致。
- 材料陈述的贡献
- 摘要称，作者提出易实施的新设计，并以理论与模拟说明，在应用中常见的一类干扰函数下，直接效应估计具有良好性质。
- 阅读关注点
- 应核对直接效应的定义、干扰函数限制、完美准着色是否存在，以及设计随机性如何影响估计量的偏差与方差。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出干扰函数范围、良好性质的具体含义和数值，不能推广至任意网络。
原文摘要
In this paper, we introduce new, easily implementable designs for drawing causal inference from randomized experiments on networks with interference. Inspired by the idea of matching in observational studies, we introduce the notion of considering a treatment assignment as a “quasi-coloring” on a graph. Our idea of a perfect quasi-coloring strives to match every treated unit on a given network with a distinct control unit that has identical number of treated and control neighbors. For a wide range of interference functions encountered in applications, we show both by theory and simulations that the classical Neymanian estimator for the direct effect has desirable properties for our designs.