Conformal Inference for Experimental Attrition in Social Science Research
社会科学实验样本流失的共形推断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：摘要研究实验流失情形下的处理效应推断与缺失结果处理。
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
社会科学实验样本流失的共形推断
- 研究问题
- 调查和田野实验发生样本流失时，如何构造处理效应预测区间，并比较留存者、流失者与完整样本的效应？
- 方法与思路
- 作者提出将共形推断相关进展与缺失数据处理工具结合的框架，通过模拟和两项已发表实验的重新分析展示其应用。
- 材料陈述的贡献
- 摘要称，该方法在模拟中相对常见替代方法具有更好覆盖率和更窄区间，并支持不同留存状态群体间的效应比较。
- 阅读关注点
- 应核对预测区间针对的效应对象、流失机制与覆盖条件，以及未观察到的结局如何进入区间构造和群体比较。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明具体缺失假设、覆盖保证形式或区间适用范围。
原文摘要
Attrition in survey and field experiments presents a challenge for social science research. Common approaches to deal with this problem -- such as complete case analysis, multiple imputation, and weighting methods -- rely on strong assumptions that may not hold in practice. This paper introduces a new method that combines recent advances in statistical inference with established tools for handling missing data. The approach produces prediction intervals for treatment effects that are both robust and precise. Evidence from simulation studies shows that the method achieves better coverage and produces narrower intervals than common alternatives. The reanalysis of two recently published experiment studies illustrates how this framework allows researchers to compare treatment effects across participants who remain in the study, those who drop out, and the full sample. Taken together, these results highlight how the proposed approach provides a stronger foundation for causal inference in the presence of attrition.