Causal inference from treatment-control studies having an additional factor with unknown assignment mechanism
附加因素分配机制未知时的处理与对照研究因果推断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：摘要研究随机与非随机处理共同存在时的因果效应估计及隐藏处理造成的偏差。
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…
附加因素分配机制未知时的处理与对照研究因果推断
- 研究问题
- 当一个处理随机分配、另一个处理并非随机且分配机制可能未知时，如何估计各处理效应并判断偏差与方差变化？
- 方法与思路
- 作者采用标准析因设计记号定义处理效应及估计量，分别研究已知和未知非随机处理分配信息时的估计性质。
- 材料陈述的贡献
- 摘要称分析了双处理及多因素情形，并展示隐藏处理何时以及如何导致处理效应估计偏差和抽样方差增大。
- 阅读关注点
- 应核对各析因效应的具体定义、非随机处理分配信息的形式，以及偏差和方差结论分别成立于哪些条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出估计量公式与识别条件，不能判断未知分配机制下哪些效应可识别。
原文摘要
Consider a situation with two treatments, the first of which is randomized but the second is not, and the multifactor version of this. Interest is in treatment effects, defined using standard factorial notation. We define estimators for the treatment effects and explore their properties when there is information about the nonrandomized treatment assignment and when there is no information on the assignment of the nonrandomized treatment. We show when and how hidden treatments can bias estimators and inflate their sampling variances.