随机实验中的Neyman推断
统计方法学
2025-07-01 v2 统计理论
统计理论
摘要
在1923年的论述中，Neyman研究了完全随机实验中平均处理效应差分均值估计的方差估计问题。他提出的方差估计在一般情况下保守，在均匀处理效应下无偏。虽然该方法在完全随机化下广泛应用，但没有自然的方式将其扩展到更复杂的设计。为此，我们展示了Neyman的估计可以以两种方式替代推导，导致两个新的方差估计方法：插值法和对比法。虽然两种方法在完全随机化下都恢复Neyman的估计，但在更一般的设计下产生根本不同的方差估计。在插值方法中，方差以观察到的和缺失的潜在结果为表达式，然后通过插值缺失的潜在结果来估计，类似于Fisher推断。在对比方法中，方差以不可观测的潜在结果对比为表达式，然后通过用可观测的对比来替换每个不可观测的对比来估计。我们检验了两种方法的性质，表明对于广泛的设计，两种方法都产生非负、保守的方差估计，在均匀处理效应下在有限样本或渐近上无偏。
引用
@article{arxiv.2409.12498,
title = {Neymanian inference in randomized experiments},
author = {Ambarish Chattopadhyay and Guido W. Imbens},
journal= {arXiv preprint arXiv:2409.12498},
year = {2025}
}