序贯再随机化
应用统计
2018-04-17 v5
摘要
Morgan 与 Rubin (2012) 的开创性工作考虑对所有单元同时进行再随机化。然而在实践中，实验者可能不得不对单元进行序贯再随机化。例如，研究罕见疾病的临床医生可能无法等到所有实验单元招募完毕后再进行实验。我们的工作为序贯再随机化设计提供了一个数学框架，其中实验单元分组入组。我们提出了一种自适应再随机化程序，以在部分连续或二元协变量上平衡处理/对照分配，并使用 Mahalanobis 距离作为不平衡度量。我们在关键结果（定理 3）中证明：在相同再随机化次数（期望值）下，在特定温和假设下，序贯再随机化比一次性再随机化能实现更好的协变量平衡。
引用
@article{arxiv.1706.04182,
title = {Sequential rerandomization},
author = {Quan Zhou and Philip Ernst and Kari Lock Morgan and Donald Rubin and Anru Zhang},
journal= {arXiv preprint arXiv:1706.04182},
year = {2018}
}
备注
23 pages