Exact Bias Correction for Linear Adjustment of Randomized Controlled Trials
随机对照试验线性调整的精确偏差校正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。
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：摘要直接研究随机对照试验中的回归调整及随机化推断下的估计偏差。
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…
随机对照试验线性调整的精确偏差校正
- 研究问题
- 在随机化模型下，随机对照试验的线性回归调整为何存在偏差，能否精确校正而不改变估计量的极限分布？
- 方法与思路
- 作者在Freedman所用假设下推导线性回归估计量偏差的闭式精确校正，并比较校正前后的极限分布。
- 材料陈述的贡献
- 摘要称校正后的估计量具有与原估计量相同的极限分布；结合既有结果，作者认为小幅实践调整可解决相关理论质疑。
- 阅读关注点
- 应核对随机化方案、协变量与回归规格、精确校正公式的适用条件，以及有限样本无偏性与渐近分布之间的区别。
- 阅读边界
- 仅据所给Crossref版本摘要，Freedman假设和校正公式未展开，不能推广到任意回归调整方案，也不能推断后续版本变化。
原文摘要
Freedman (2008a,b) showed that the linear regression estimator is biased for the analysis of randomized controlled trials under the randomization model. Under Freedman's assumptions, we derive exact closed‐form bias corrections for the linear regression estimator. We show that the limiting distribution of the bias corrected estimator is identical to the uncorrected estimator. Taken together with results from Lin (2013), our results show that Freedman's theoretical arguments against the use of regression adjustment can be resolved with minor modifications to practice.