Fast computation of exact confidence intervals for randomized experiments with binary outcomes
二元结果随机实验精确置信区间的快速计算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：摘要研究随机实验中平均因果效应及其他因果效应的精确推断。
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…
二元结果随机实验精确置信区间的快速计算
- 研究问题
- 如何减少二元结果随机实验中构造平均因果效应精确置信区间所需的置换检验次数，同时保留有限样本推断的有效性？
- 方法与思路
- 作者通过一系列置换检验构造精确区间，分别处理处理组与对照组等大的平衡设计及一般设计，并扩展到相对风险比和优势比。
- 材料陈述的贡献
- 摘要称，平衡设计与一般设计所需检验次数分别降至 O(n log n) 和 O(n²)，其他因果效应区间也获得类似计算改进。
- 阅读关注点
- 应核对随机化设计、区间覆盖的含义及算法步骤，并区分置换检验次数与总运行成本，检查风险比和优势比的边界处理。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实；摘要称方法适用于所有样本量，但未列出完整假设、单次检验成本或实际运行结果。
原文摘要
Given a randomized experiment with binary outcomes, exact confidence intervals for the average causal effect of the treatment can be computed through a series of permutation tests. This approach requires minimal assumptions and is valid for all sample sizes, as it does not rely on large-sample approximations such as those implied by the central limit theorem. We show that these confidence intervals can be found in $O(n \log n)$ permutation tests in the case of balanced designs, where the treatment and control groups have equal sizes, and $O(n^2)$ permutation tests in the general case. Prior to this work, the most efficient known constructions required $O(n^2)$ such tests in the balanced case [Li and Ding, 2016], and $O(n^4)$ tests in the general case [Rigdon and Hudgens, 2015]. Our results thus facilitate exact inference as a viable option for randomized experiments far larger than those accessible by previous methods. We also generalize our construction to produce confidence intervals for other causal estimands, including the relative risk ratio and odds ratio, yielding similar computational gains.