无星即好消息：基于协变量平衡检验 p 值的重随机化统一视角

现代社会科学与生物医学出版物要求报告协变量平衡表，其中不仅包含各处理组的协变量均值，还包含其差异显著性检验的相应 $p$-值。实践中避免小 $p$-值的需求，使得以假设检验标准进行平衡检查与重随机化成为改善随机实验协变量平衡的有力工具。尽管该做法直观且现实中可能已被广泛采用，现有文献对其给后续推断带来的影响知之甚少，致使许多实际重随机化实验可能接受了低效的分析。为填补此空白，我们考察了多种基于协变量平衡检验 $p$-值（ReP）的潜在有用重随机化方案，并论证其对后续推断的影响。具体而言，我们聚焦于分别来自结果对处理的未调整、加性与完全交互线性回归的平均处理效应三个估计量，并推导其在 ReP 下的各自渐近抽样性质。主要发现有两方面。第一，完全交互回归的估计量在所有考察的 ReP 方案下渐近最有效，并允许与完全随机化下相同的便捷回归辅助推断。第二，ReP 不仅改善了协变量平衡，还渐近提升了未调整与加性回归估计量的效率。因此，标准回归分析依然有效但可能过于保守。