单调性假设下基于聚类的随机实验优化
统计方法学
2018-03-09 v1
摘要
基于聚类的随机实验是流行的设计，用于在存在干扰且经典因果推断与实验设计假设(如SUTVA或ITR)不成立时，减轻标准估计量的偏差。在缺乏干扰结构精确知识的情况下，理解将实验单元如何划分能最优地最小化估计偏差是具有挑战性的。本文引入一个单调性条件，在该条件下一种新颖的两阶段实验设计使我们能确定两种基于聚类的设计中哪一种产生偏差最小的估计量。我们随后考虑在线广告拍卖的设置，表明保留价实验满足单调性条件，且所提框架与方法适用。我们在广告拍卖数据集上验证了我们的发现。
引用
@article{arxiv.1803.02876,
title = {Optimizing cluster-based randomized experiments under a monotonicity assumption},
author = {Jean Pouget-Abadie and David C. Parkes and Vahab Mirrokni and Edoardo M. Airoldi},
journal= {arXiv preprint arXiv:1803.02876},
year = {2018}
}