基于设计的簇级重随机化理论
统计方法学
2022-07-07 v1 统计理论
统计理论
摘要
完全随机化在平均意义上平衡协变量，但在有限样本中协变量不平衡常常存在。重随机化可通过舍弃不合意的处理分配来确保已实现实验中的协变量平衡。公共卫生与社会科学中的许多现场实验由于后勤限制或政策考量而在簇级别分配处理。此外，它们常在实验设计阶段与重随机化结合。我们将簇级重随机化称为一种簇随机化实验与重随机化的复合，以在个体或簇级别平衡协变量。现有渐近理论仅能处理在个体级别分配处理的重随机化，使得簇级重随机化的理论成为开放问题。为填补空白，我们提供了一套基于设计的簇级重随机化理论。此外，我们比较了两种利用协变量重要性先验信息的簇级重随机化方案：一种基于加权欧氏距离，另一种基于带协变量分层的马氏距离。我们证明前者在最优权重与正交化协变量下优于后者。最后，我们讨论了分析阶段协变量调整的作用，并推荐可通过带相应稳健标准误的最小二乘法便捷实现的协变量调整流程。
引用
@article{arxiv.2207.02540,
title = {Design-based theory for cluster rerandomization},
author = {Xin Lu and Tianle Liu and Hanzhong Liu and Peng Ding},
journal= {arXiv preprint arXiv:2207.02540},
year = {2022}
}