受限分配集下随机化实验中推断方法的比较
统计方法学
2019-11-07 v1
摘要
与完全随机化相比，重新随机化是一种提高效率的策略。重新随机化的思想是先剔除观测协变量不平衡的分配，然后在这些协变量平衡的分配集合内进行随机化。然而，基于均值差估计量的标准渐近推断在重新随机化后是保守的。给定一个用于剔除不平衡分配的马氏距离准则，Li 等人(2018)推导了均值差估计量的渐近分布，并给出了其方差的一致估计量。本文讨论了重新随机化下若干替代推断方法，并通过大规模蒙特卡洛模拟将其性能与 Li 等人(2018)的方法进行比较。我们得出结论：对于小或中等样本量的实验，某些方法优于 Li 等人(2018)的方法。
引用
@article{arxiv.1911.02197,
title = {A Comparison of Methods of Inference in Randomized Experiments from a Restricted Set of Allocations},
author = {Junni L. Zhang and Per Johansson},
journal= {arXiv preprint arXiv:1911.02197},
year = {2019}
}