Model-assisted inference for dynamic causal effects in staggered rollout cluster randomized experiments
分期推广集群随机实验中动态因果效应的模型辅助推断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：摘要研究集群随机分期推广实验的动态因果效应，并采用随机化基础的设计推断。
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
分期推广集群随机实验中动态因果效应的模型辅助推断
- 研究问题
- 在集群依次接受处理的随机实验中，如何分析动态效应、预期效应及不可忽略的集群—时期规模，并选择更有效率的估计器？
- 方法与思路
- 作者从随机化设计出发，比较个体数据、集群—时期均值及缩放总量的回归估计器，并分别研究有无协变量调整的情形。
- 材料陈述的贡献
- 摘要称建立一致性、渐近正态性及方差估计的渐近保守性，并统一比较效率，强调协变量调整后的缩放总量估计器的优势。
- 阅读关注点
- 应核对动态效应和预期效应的定义、集群规模对应的权重、随机化渐近条件，以及缩放总量的效率优势是否附带限制。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；不设结果模型仍需设计与渐近条件，摘要未完整列明效率比较的边界。
原文摘要
Staggered rollout cluster randomized experiments (SR-CREs) involve sequential treatment adoption across clusters, requiring analysis methods that address a general class of dynamic causal effects, anticipation, and non-ignorable cluster-period sizes. Without imposing any outcome modeling assumptions, we study regression estimators using individual data, cluster-period averages, and scaled cluster-period totals, with and without covariate adjustment from a design-based perspective. We establish consistency and asymptotic normality of each estimator under a randomization-based framework and prove that the associated variance estimators are asymptotically conservative in the Löwner ordering. Furthermore, we conduct a unified efficiency comparison of the estimators and provide recommendations. We highlight the efficiency advantage of using estimators based on scaled cluster-period totals with covariate adjustment over their counterparts using individual-level data and cluster-period averages. Our results rigorously justify linear regression estimators as model-assisted methods to address an entire class of dynamic causal effects in SR-CREs.