SHARP BOUNDS ON THE VARIANCE IN RANDOMIZED EXPERIMENTS
SHARP BOUNDS ON THE VARIANCE IN RANDOMIZED EXPERIMENTS
复制标题
随机实验中方差的明显界限
DOI：
10.1214/13-aos1200
复制
发表时间：
2014
影响因子：
4.5
通讯作者：
Donald K. K. Lee
中科院分区：
文献类型：
--
作者：
P. Aronow;D. Green;Donald K. K. Lee
在完全随机实验中，我们提出了均值差估计量的方差的一个一致的估计量。罗宾斯[Stat.地中海医院。7(1988)773-785]，我们的结果解决了Neyman[统计学家]在因果推理中提出的一个众所周知的识别问题。SCI。5(1990)465-472。重印1923年的原文]。我们的结果的一个实际含义是，上界估计促进了渐近最窄的保守Wald型可信区间，并在随机对照和临床试验中应用。
We propose a consistent estimator of sharp bounds on the variance of the difference-in-means estimator in completely randomized experiments. Generalizing Robins [Stat. Med. 7 (1988) 773-785], our results resolve a well-known identification problem in causal inference posed by Neyman [Statist. Sci. 5 (1990) 465-472. Reprint of the original 1923 paper]. A practical implication of our results is that the upper bound estimator facilitates the asymptotically narrowest conservative Wald-type confidence intervals, with applications in randomized controlled and clinical trials.