研究人员开发了一种在随机面板实验中进行模型辅助随机化检验的新方法。该方法将随机化检验的推断有效性与灵活处理效应模型捕捉复杂异质性的能力相结合。该技术从残差协方差结构估计条件平均处理效应 (CATE) 的无符号版本，将实际分配留给推断，并允许选择符号以最好地拟合观察到的结果。该方法控制了 I 类错误，并与现有替代方案相比提高了功效，同时还能发现异质性亚组并检验亚组特定效应。 AI
影响 为分析实验数据引入了一个新颖的统计框架，有可能提高研究环境中因果推断的严谨性和功效。
排序理由 详细介绍新统计方法的学术论文。 [lever_c_demoted from research: ic=1 ai=0.4]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
