处理-对照实验中重随机化的渐近理论
统计理论
2017-08-15 v4 应用统计
统计理论
摘要
尽管完全随机化平均而言保证协变量平衡，但随协变量增多，观察到处理与对照协变量分布显著差异的几率增加。重随机化丢弃不满足预定协变量平衡准则的随机化，通常带来更好的协变量平衡与更精确的因果效应估计。先前理论在等处理组大小、高斯协变量与结果分布或加性因果效应等假设下推导了重随机化的有限样本理论，但未针对平均因果效应的均值差估计量的一般抽样分布。为补充现有结果，我们发展了无这些假设的重随机化渐近理论，揭示该估计量的非高斯渐近分布，具体为高斯随机变量与截断高斯随机变量的线性组合。此分布源于重随机化仅影响潜在结果在协变量空间上的投影而不影响相应正交残差。我们还证明，与完全随机化相比，重随机化减小了均值差估计量的渐近抽样方差与分位数范围。此外，我们的工作允许构建平均因果效应的准确大样本置信区间，从而揭示重随机化相对完全随机化的进一步优势。
引用
@article{arxiv.1604.00698,
title = {Asymptotic Theory of Rerandomization in Treatment-Control Experiments},
author = {Xinran Li and Peng Ding and Donald B. Rubin},
journal= {arXiv preprint arXiv:1604.00698},
year = {2017}
}