Inference for Batched Adaptive Experiments
分批自适应实验的统计推断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：摘要直接针对自适应实验中的处理效应检验与置信区间，属于因果推断；分批观测本身不足以归为面板数据。
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
分批自适应实验的统计推断
- 研究问题
- 在处理分配随实验历史调整的分批自适应实验中，如何结合各期处理对照差异，并在异方差及较少批次情形下推断处理效应？
- 方法与思路
- 作者提出分批普通最小二乘检验统计量，以均衡精度的方式汇总各期异方差 z 统计量，并据此构造渐近有效的置信区间。
- 材料陈述的贡献
- 摘要称，所提统计量可在异方差下提供处理效应推断，并通过模拟比较少量处理期、每批观测较少或较多时的拒绝率。
- 阅读关注点
- 应核对自适应分配规则、逐期标准化与聚合公式，以及渐近有效性依赖批次数增长还是每批样本增长，并检查小样本尺寸。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未列出完整渐近条件或模拟结果，少批次情形的实际覆盖仍需核对。
原文摘要
The advantages of adaptive experiments have led to their rapid adoption in economics, other fields, as well as among practitioners. However, adaptive experiments pose challenges for causal inference. This note suggests a BOLS (batched ordinary least squares) test statistic for inference of treatment effects in adaptive experiments. The statistic provides a precision-equalizing aggregation of per-period treatment-control differences under heteroskedasticity. The combined test statistic is a normalized average of heteroskedastic per-period z-statistics and can be used to construct asymptotically valid confidence intervals. We provide simulation results comparing rejection rates in the typical case with few treatment periods and few (or many) observations per batch.