基于随机化的$2^K$因子设计推断中的样本量最优分配
统计方法学
2024-05-31 v1 应用统计
摘要
优化单元到处理组的分配可以帮助研究人员在运行因子实验时提高因果估计的精度并降低成本。然而，现有的最优分配结果通常假设超总体模型且结果数据来自已知分布族。相反，我们关注有限总体设定下基于随机化的因果推断，其不需要数据的模型设定或抽样假设。我们提出了在完全随机化下具有A-、D-和E-最优性准则的因子实验中最优分配的确切理论解。然后我们将此工作扩展到具有区组随机化的因子设计。我们还推导了在使用基于成本约束时最优分配的结果。为将我们的理论与实际联系起来，我们提供了便捷的整数约束规划解，使用贪心优化方法为完全随机化和区组随机化寻找整数最优分配解。所提出的方法使用社会科学家进行的两个真实因子实验进行了演示。
引用
@article{arxiv.2306.12394,
title = {Optimal allocation of sample size for randomization-based inference from $2^K$ factorial designs},
author = {Arun Ravichandran and Nicole E. Pashley and Brian Libgober and Tirthankar Dasgupta},
journal= {arXiv preprint arXiv:2306.12394},
year = {2024}
}
备注
27 pages