Recently, there as been an increasing interest in the use of heavily restricted randomization designs which enforces balance on observed covariates in randomized controlled trials. However, when restrictions are strict, there is a risk that the treatment effect estimator will have a very high mean squared error. In this paper, we formalize this risk and propose a novel combinatoric-based approach to describe and address this issue. First, we validate our new approach by re-proving some known properties of complete randomization and restricted randomization. Second, we propose a novel diagnostic measure for restricted designs that only use the information embedded in the combinatorics of the design. Third, we show that the variance of the mean squared error of the difference-in-means estimator in a randomized experiment is a linear function of this diagnostic measure. Finally, we identify situations in which restricted designs can lead to an increased risk of getting a high mean squared error and discuss how our diagnostic measure can be used to detect such designs. Our results have implications for any restricted randomization design and can be used to evaluate the trade-off between enforcing balance on observed covariates and avoiding too restrictive designs.


翻译:最近,人们越来越关注使用限制严格的随机设计,这种设计在随机控制的试验中使观察到的共变体实现平衡。然而,如果限制严格,则处理效果估计器有可能发生非常高的中位方错误。在本文件中,我们正式确定这一风险,并提出一种新的组合法来描述和解决这一问题。首先,我们通过重新证明某些已知的完全随机化和限制随机化的特性来验证我们的新办法。第二,我们建议对限制性设计采取新的诊断措施,即只使用设计组合器中所含的信息。第三,我们表明随机化试验中,处理效果估计器差异估计器的平均平方错误是这一诊断措施的线性功能。最后,我们确定受限制设计可能导致获取高端点误差的风险增加的情况,并讨论如何使用我们的诊断措施来检测这种设计。我们的结果对任何限制性随机化设计都有影响,并且可以用来评估所观察到的组合体间平衡和避免过于限制性设计之间的交易。

0
下载
关闭预览

相关内容

专知会员服务
42+阅读 · 2020年12月18日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
151+阅读 · 2019年10月12日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Call for Participation: Shared Tasks in NLPCC 2019
中国计算机学会
5+阅读 · 2019年3月22日
动物脑的好奇心和强化学习的好奇心
CreateAMind
10+阅读 · 2019年1月26日
人工智能 | SCI期刊专刊信息3条
Call4Papers
5+阅读 · 2019年1月10日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
条件GAN重大改进!cGANs with Projection Discriminator
CreateAMind
8+阅读 · 2018年2月7日
【今日新增】IEEE Trans.专刊截稿信息8条
Call4Papers
7+阅读 · 2017年6月29日
Arxiv
0+阅读 · 2021年12月3日
Arxiv
6+阅读 · 2019年11月14日
VIP会员
Top
微信扫码咨询专知VIP会员