Sample Observed Effects: Enumeration, Randomization and Generalization
University of Sao Paulo（圣保罗大学）
针对因果效应反事实定义缺乏泛化性的问题，提出干预效应外部有效性的组合定义，基于背景集合制定泛化条件，用组合框架审视反事实公式问题，替代参数估计并展示在COVID-19问题中的应用。
2024-06-02 cs.AI stat.ME
Randomization Inference: Theory and Applications
本文回顾了基于随机化的统计推断方法，指出随机化检验在有限样本下可精确控制第一类错误，并通过构建渐近枢轴检验统计量在更广泛场景中恢复渐近有效性，最后详述了其在双样本置换检验、回归及 conformal inference 等方面的应用。
2025-02-04 econ.EM stat.ME
A unified framework for covariate adjustment under stratified randomization
本文提出分层随机化下协变量调整与统计推断的统一框架，证明局部线性核加权最小二乘回归调整的有效性，并针对高维数据提出基于样本分割的机器学习推断算法，通过多种数据场景比较不同方法的估计表现。
2023-12-03 math.ST stat.ME stat.TH
A practical Response Adaptive Block Randomization (RABR) design with analytic type I error protection
反应适应性随机化（RAR）从方法学、伦理学和实用主义的角度来看是有吸引力的，因为受试者更有可能根据积累的数据被随机分配到表现更好的治疗组。然而，RAR在多个活性组的确证性药物临床试验中的应用受到限制，主要是由于其复杂性，以及缺乏对不同治疗组的随机化比例的控制。为了解决上述问题，我们提出了一种响应自适应区组随机化（RABR）设计，允许对照组和高性能组任意预先指定的随机化比率，以满足临床试验目标。我们显示了传统的未加权测试的有效性RABR与控制第一类错误率的基础上加权组合测试的样本量自适应设计调用没有大样本近似。与流行的双自适应有偏硬币设计（DBCD）相比，拟议的RABR在稳健地达到目标最终样本量以满足监管要求和增加统计功效方面的优势通过统计模拟和实际的临床试验设计示例得到了证明。
2022-08-02 stat.ME
Randomization Tests to Assess Covariate Balance When Designing and Analyzing Matched Datasets
观察性研究的因果分析通常因治疗组间的协变量不平衡而复杂化，匹配方法通过找到表现出协变量平衡的治疗组子集来缓解这种复杂性。人们普遍认为协变量平衡可以作为匹配数据集近似随机实验的证据，但是匹配数据集近似什么样的实验呢？在这项工作中，我们开发了一个随机化测试的假设，匹配的数据集近似于一个特定的试验设计，如完全随机化，区组随机化，或重新随机化。我们的测试可以包含任何试验设计，它允许图形显示，将几个设计放在同一个单变量尺度上，从而使研究人员能够确定哪个设计-如果有的话-最适合匹配的数据集。在研究人员确定合理的设计后，我们推荐一种基于随机化的方法来分析匹配的数据，该方法可以包含任何设计和处理效应估计量。通过模拟，我们发现，我们的测试可以经常检测违反随机分配，损害推理结果。此外，通过模拟和在政治学中的实际应用，我们发现具有高水平协变量平衡的匹配数据集倾向于近似平衡约束设计，如重新随机化，并且这样分析它们可以导致精确的因果分析。然而，假设一个精确的设计应该谨慎进行，因为它可能会损害推理结果，如果仍然有大量的偏见，由于剩余的不平衡匹配后。我们的方法在randChecks R包中实现，可在CRAN上获得。
2021-02-15 stat.ME
Local Randomization Regression Discontinuity Designs when Test Scores are the Running Variable
回归不连续设计（RDD）的内部有效性的解释通常诉诸于这样一种观点，即RDD在处理截点附近是“与”随机的。Cattaneo、Frandsen和Titiunik（2015）是第一个将这一理由充分总结的人，并提出估计RDD局部平均处理效应（LATE）与随机化实验相同。本文探讨了分析RDD作为一个本地的随机试验时，运行变量是一个测试成绩的影响。我推导出了使用局部随机化方法$aρΔ$估计的LATE估计值的偏倚公式。其中，$a$是潜在熟练度与未进行治疗的潜在结果之间的关系，$ρ$是测试可靠性，$Δ$是治疗和对照运行变量值之间的距离。我使用这种偏倚的量化来证明，当运行变量是测试分数或其他人类开发的测量（例如，医学测试）。
2022-09-23 stat.ME
Group Permutation Testing in Linear Model: Sharp Validity, Power Improvement, and Extension Beyond Exchangeability
Tsinghua University（清华大学）；Shanghai University of Finance and Economics（上海财经大学）
本文提出群排列框架用于线性模型检验，展示其在交换误差下的有效性及功效提升，并扩展至非交换性场景，提供精确误差控制和稳健性分析。
2026-04-17 stat.ME
Selective randomization inference for subgroup effects with continuous biomarkers
提出“自包含”方法选择连续生物标志物亚组截断值并应用条件化构建有效随机化检验，避免I类错误失控，比样本拆分更具功效且计算高效。
2025-04-27 stat.AP stat.ME
Sensitivity Analysis for Binary Outcome Misclassification in Randomization Tests via Integer Programming
针对随机化检验中二元结局错分的偏倚问题，提出无模型有限总体敏感性分析方法，定义核心量警示准确率，通过自适应重构整数规划实现高效计算，应用于PCPT试验并开发开源R包。
2025-01-14 math.OC stat.ME
Fast and Powerful Conditional Randomization Testing via Distillation
我们考虑条件独立性检验问题：给定响应Y和协变量（X，Z），我们检验Y在给定Z的情况下独立于X的原假设。条件随机化检验（CRT）是最近提出的一种使用X分布信息的方法|使用任何维度中的任何检验统计量精确（非渐近）控制第一类错误，而不假设Y的任何情况|（X，Z）。原则上，这种灵活性允许人们从复杂的预测算法中获得强大的检验统计量，同时保持统计有效性。然而，在CRT中直接使用这种先进的检验统计量在计算上是非常昂贵的，特别是在多重检验的情况下，这是由于CRT需要对重新采样的数据多次重新计算检验统计量。我们提出了蒸馏CRT，一种新的方法，在CRT中使用最先进的机器学习算法，同时大大减少了这些算法需要运行的次数，从而利用它们的功率和CRT的统计保证，而不遭受通常的计算费用。除了蒸馏，我们提出了一些其他的技巧，如筛选和回收计算，以进一步加快CRT，而不牺牲其高功率和准确的有效性。事实上，我们在模拟中表明，我们所有的建议相结合，导致一个测试，具有类似的权力，最强大的现有CRT实现，但需要的数量级更少的计算，使其成为一个实用的工具，即使是大型数据集。我们通过识别与癌症分期相关的生物标志物，在乳腺癌数据集上证明了这些益处。
2021-06-04 stat.ME
Posterior Predictive P-values with Fisher Randomization Tests in Noncompliance Settings: Test Statistics vs Discrepancy Variables
在不服从的随机实验中，测试可能集中在服从者身上，而不是整个样本。Rubin（1998）提出了这样一种方法，并认为与一般的意向治疗检验相比，对依从性状态的后验分布进行依从性平均因果效应检验和对基于排列的p值进行平均可以增加功效。一般方案是重复进行两步过程，即插补缺失的依从性状态并使用完成的数据进行排列检验。在本文中，我们进一步探讨这一想法，比较使用的差异措施，这取决于未知的，但插补参数，经典的检验统计量和探索不同的方法来插补未知的遵守状态。我们还研究了在插补步骤中模型错误指定的后果，并讨论了在何种程度上这种额外的建模削弱了排列检验的模型独立性。我们发现，特别是差异的措施，模型的选择可以影响功率和有效性。特别是，假设空值来估算缺失的合规状态可以从根本上降低功效，但不这样做可能会危及有效性。幸运的是，预测依从性状态的协变量可以减轻这些结果。最后，我们比较了这种整体的方法贝叶斯模型为基础的测试，即测试直接来自后可信区间，在正确和不正确的模型规格。我们发现，在其他贝叶斯方法中加入置换步骤可以提高模型规范的鲁棒性，而不会大幅损失功率。
2016-02-20 stat.ME
Unconditional Randomization Tests for Interference
本文提出基于配对插补的随机化检验（PIRT）框架，通过无条件随机化检验和配对比较，在最小网络结构假设下评估实验中干扰的存在与程度，并在大规模警务实验中验证了其有效性与稳健性。
2025-07-11 econ.EM stat.ME
Evaluating A Key Instrumental Variable Assumption Using Randomization Tests
工具变量（IV）分析在卫生服务研究和流行病学中越来越普遍。大多数IV分析使用自然发生的仪器，例如到医院的距离。在这些分析中，研究者必须假设仪器是随机分配的。这个假设无法直接检验，但可以被证伪。文献中的大多数证伪检验比较了仪器和暴露之间观察到的协变量的相对患病率或偏倚。这些检验要求研究者对IV设计的有效性进行逐协变量判断。通常，只有一些协变量是均衡的，因此不清楚是否可以假设所有协变量的工具都是随机化的。我们提出了一种替代的证伪检验，比较IV平衡或偏倚与随机化下产生的平衡或偏倚。我们的测试的一个关键优势是，它允许全球平衡措施以及易于解释的图形比较。此外，我们的检验不依赖于任何参数假设，可用于有效评估工具是否比暴露量更接近随机化。我们证明了我们的方法在最近的IV应用程序，使用病床的可用性在重症监护病房（ICU）作为一种工具，进入ICU。
2019-07-03 stat.ME
Design-Based Causal Inference with Missing Outcomes: Missingness Mechanisms, Imputation-Assisted Randomization Tests, and Covariate Adjustment
针对基于设计因果推断中的结果缺失问题，提出灵活缺失机制与“插补与再插补”框架，实现精确随机化检验、协变量调整及置信区间构建，并经模拟和大规模实验验证。
2025-05-24 stat.ME
Adaptive sample splitting for randomization tests
针对亚组分析中随机化检验因样本量小效力不足的问题，提出基于确定性评分的自适应样本划分方法AdaSplit，在CATE估计与检验间分配样本，提升检验效力，并在血压干预试验中识别出有效亚组。
2025-07-31 stat.ME
Randomization Tests in Randomized Saturation Designs
研究随机饱和设计中溢出效应，针对不同零假设开发随机化检验。固定饱和度水平时，对个体水平假设用条件随机化框架检验；研究弱平均溢出零假设，学生化重标记统计量可渐进有效推断；多有序饱和度水平时，开发全局单调性检验。
2026-07-07 econ.EM stat.ME
Randomization Tests in Switchback Experiments
HSBC Business School, Peking University（汇丰商学院，北京大学）；The University of Hong Kong（香港大学）
本文提出了一种适用于切换实验的随机化检验框架，通过非预期和有限延续时间条件，构建条件随机化检验以处理时间依赖性和季节性，实现有限样本有效性。
2026-09-30 econ.EM stat.ME
Randomization inference on cell effects under absorbing treatment onset
Mississippi State University（密西西比州立大学）
本研究针对吸收性治疗开始设计，提出有界与分位数零假设的随机化检验，证明其有限样本有效性，并揭示检验势由开始窗口而非序列长度决定，同时处理假设失效情形以支持敏感性分析。
2026-10-14 stat.ME
Sequential Randomization Tests Using e-values: Applications for trial monitoring
University of Alberta（阿尔伯塔大学）
本文提出非参数序列检验e-RT，用于二元、事件型和连续终点的试验监控，通过随机化机制保证检验有效性，提供保守且假设轻的替代方法。
2026-05-10 stat.AP stat.ME
Randomization Tests for Conditional Group Symmetry
本文提出了一种非参数随机化检验方法，用于检验在指定局部紧群作用下条件分布的对称性，通过核方法实现有限样本功率下限，并通过实证研究验证了其有效性。
2025-12-11 math.ST stat.ME stat.ML
Randomization tests for model specification in causal inference under network interference
Indian School of Business（印度商学院）
针对网络干扰下因果推断中暴露映射模型设定偏差问题，提出基于设计的模型设定框架及随机化检验程序，经理论验证与模拟、实地实验证实其有效性与良好功效。
2026-08-26 econ.EM stat.ME
Randomization Tests for Distributions of Individual Treatment Effects via Combined Rank Statistics
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；University of Chicago（芝加哥大学）
本文提出了一种自适应结合多个秩统计量的方法，用于评估随机实验中个体因果效应的分布，避免了传统方法中选择统计量带来的效力损失问题。
2026-05-08 stat.AP stat.ME
Testing Biased Randomization Assumptions and Quantifying Imperfect Matching and Residual Confounding in Matched Observational Studies
观察性研究设计的一个中心目标是使用统计匹配将非实验数据嵌入近似的随机对照试验中。尽管实证研究者的最佳意图和努力，以创造高质量的匹配样本，剩余的不平衡，由于观察到的协变量没有很好地匹配往往持续存在。尽管已经开发了统计检验来检验随机化假设及其影响，但由于观察到的协变量在匹配样本中不匹配，因此很少有统计检验提供量化残留混杂水平的方法。在这篇文章中，我们开发了两个通用类的精确的统计检验有偏的随机化假设。我们的测试框架的一个重要副产品是称为残余敏感性值（RSV）的量，它提供了一种方法来量化由于匹配样本中观察到的协变量的不完全匹配而导致的残余混杂水平。我们主张在下游主要分析中考虑RSV。所提出的方法是说明重新审查一个著名的观察性研究有关的影响，右心导管插入术（RHC）在重症患者的初步护理。实施该方法的代码可在补充材料中找到。
2022-06-20 stat.ME
Inference for Two-stage Experiments under Covariate-Adaptive Randomization
HSBC Business School（汇丰商学院）；Peking University（北京大学）
本文研究了双重随机实验中协变量自适应随机化下的推断问题，提出了差异-平均平均估计量，并探讨了协变量信息在提高效率中的作用。
2026-01-15 econ.EM stat.ME
Selecting invalid instruments to improve Mendelian randomization with two-sample summary data
本文提出聚焦工具变量选择及选择后置信区间构建方法，在弱且局部无效工具变量下平衡偏差与方差，并通过脂质靶点和维生素D实证表明最优选择可纳入许多潜在无效工具。
2023-04-25 stat.ME
Randomized Empirical Processes by Algebraic Groups, and Tests for Weak Null Hypotheses
随机化检验基于现有数据的重新随机化，以获得数据依赖的临界值，从而在特殊情况下进行精确的假设检验。然而，并不总是能够根据从中获得数据的物理随机化来重新随机化数据。因此，大多数统计检验无法控制I类错误概率。而且，与引导类似，数据重新随机化可用于改进类型I差错控制。然而，没有一般的渐近理论弱零假设已经开发了这样的随机化测试。本文的目的是提供一个关于渐近正态检验统计量的随机化检验的渐近有效性的便于应用的理论。同样，将制定置信区间。这将通过在数理统计中两个成熟的领域之间建立联系来实现：经验过程和基于代数群随机化的推理。对于基于随机观测的经验过程，给出了一个广泛适用的条件弱收敛定理。将代数群的随机元应用于从中导出统计量的随机化版本的数据向量。结合一个变种的功能性三角洲方法与适当的学生化的统计量，渐近精确的假设检验推导出来，而有限样本下的精确性组不变的子假设被保留。该方法的例子：皮尔逊相关系数，曼恩-惠特尼效应的基础上右删失配对数据，和竞争风险分析。通过模拟研究和糖尿病视网膜病变患者的数据应用的方法的实际效用进行评估。
2021-10-19 math.ST stat.ME stat.TH
Fast Power Evaluation under Biased-Coin Minimization: Sampling and Randomization Calibration
Chuo University（中央大学）
针对偏币最小化下设计阶段功效评估计算量大的问题，开发SIGA框架及SIGA-S、SIGA-R程序，可高效近似参考随机化检验的结果并显著降低计算量。
2026-08-07 stat.AP stat.ME
Correction for Weak IV Bias and Winner's Curse in Mendelian Randomization Egger Regression: Rerandomized Egger estimator
Huazhong University of Science and Technology（华中科技大学）；Tongji Hospital, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院附属同济医院）
针对孟德尔随机化中Egger回归的弱工具变量偏倚和赢家诅咒问题，提出重随机化Egger估计量，通过去偏和随机工具选择实现一致性、渐近正态性及对方向性多效性的稳健性。
2026-06-23 stat.ME
The Modified Egger Intercept Tests for Detecting Horizontal Pleiotropy in Two-Sample Summary-Data Mendelian Randomization
Department of Epidemiology and Biostatistics, School of Public Health, Tongji Medical College, Huazhong University of Science and Technology（华中科技大学同济医学院公共卫生学院流行病学与生物统计系）
针对Egger截距检验在检测水平多效性时因测量误差和赢家诅咒导致的偏差，提出基于偏差校正的修正Egger截距检验，并结合两种等位基因编码方案增强稳健性，在控制第一类错误和检验功效上优于原方法。
2026-05-27 stat.ME
A randomization-based theory for preliminary testing of covariate balance in controlled trials
本文从随机化推断视角研究随机试验中先检验协变量平衡再决定是否回归调整的策略，证明两类初步检验估计量分别存在效率损失及置信区间反保守或过度保守问题，因而不推荐该做法。
2023-07-17 stat.AP stat.ME
Testing for Treatment Effect in Covariate-Adaptive Randomized Clinical Trials with Generalized Linear Models and Omitted Covariates
尽管在临床试验中广泛使用，但在协变量自适应随机化下，统计推断的有效性仍受到关注。在文献中，协变量自适应随机化下的推断性质主要针对连续响应进行了研究;特别是，众所周知，处理效应的常用双样本t检验通常是保守的，在这个意义上，实际检验大小小于标称水平。这种无效检验的现象也在没有调整协变量的广义线性模型中发现，有时由于膨胀的第一类错误而更令人担忧。本研究的目的是检查广义线性模型和协变量自适应随机化下处理效应的未校正检验。对于一大类协变量自适应随机化方法，我们得到了在原假设下检验统计量的渐近分布，并导出了检验是保守的、有效的或反保守的条件.详细讨论了几种常用的广义线性模型，如逻辑斯谛回归和泊松回归。还提出了一种调整方法，以实现一个有效的大小的渐近结果的基础上。数值研究证实了理论研究结果，并证明了所提出的调整方法的有效性。
2021-05-02 math.ST stat.ME stat.TH
Scalable Analysis of Bipartite Experiments
本文针对大型在线平台二分实验的推断问题，提出了协变量调整的 CA-ERL 估计器、基于随机化的推断方法及线性时间算法，在保证可扩展性的同时显著降低了方差和置信区间宽度。
2025-11-04 stat.ME
Does Regression Approximate the Influence of the Covariates or Just Measurement Errors? A Model Validity Test
Faculty of Mechanics and Mathematics, Taras Shevchenko National University of Kyiv（基辅塔拉斯舍甫琴科国立大学力学与数学系）；Redviser Inc.（Redviser公司）
本文提出了一种检验模型是否正确指定的准则，通过区分测量误差与模型结构问题，探讨回归分析中协变量影响的识别方法。
2019-11-18 stat.ME
Randomization Inference of Periodicity in Unequally Spaced Time Series with Application to Exoplanet Detection
周期性的估计是许多科学研究领域的一项基本任务。现有的方法依赖于理论假设，即观察时间具有相等或独立同分布。间距和常见的估计量，如周期图峰值，是一致的和渐近正态的。然而，在实践中，这些假设是不切实际的，因为观察时间通常表现出确定性的模式-例如，天文学中的夜间观测周期--在数据中留下讨厌的周期性。这些干扰信号还影响估计量的有限样本分布，其可实质上偏离正态性。在这里，我们提出了一个集合识别方法，融合了随机推理和部分识别的思想。特别是，我们开发了一个尖锐的测试任何周期性值，然后反转测试，以建立一个置信集。这种方法在这里是合适的，因为置信集的构造不依赖于规则或良好行为的渐近性的假设。值得注意的是，当我们的方法完全实现时，我们的推断在有限样本中是有效的，而在旨在简化计算的近似实现下，它可以是渐近有效的。经验上，我们验证了我们的方法在系外行星检测径向速度数据。在这种情况下，我们的方法正确地识别了我们样本中已确认的系外行星的周期性。对于其他一些未经证实的检测，我们表明，统计证据是薄弱的，这说明了传统的统计技术的失败。最后但并非最不重要的是，我们的方法提供了一个建设性的方式来解决这些识别问题，通过改进的观察设计。在系外行星探测中，即使在安排径向速度测量时引入了适量的随机化，这些设计也表明在识别周期性方面有意义的改进。
2021-05-29 stat.AP stat.ME
Approximate selective inference via maximum likelihood
最近已经开发了几种策略，以确保有效的推理后，模型选择，其中一些是很容易计算，而其他票价更好的推理能力。在本文中，我们考虑了高斯数据的选择性推理框架。提出了一种新的近似极大似然估计推理方法。我们的目标是：（i）在随机化的帮助下实现更好的推理能力，（ii）从难以以封闭形式评估的精确条件分布绕过昂贵的MCMC采样。我们构造近似推理，例如，p值、置信区间等，通过解决一个相当简单的凸优化问题我们说明了我们的方法的潜力，在模拟信号噪声比的大范围的值。在癌症基因表达数据集上，我们发现我们的方法改进了一些常用的选择性推理策略的推理能力。
2022-07-11 stat.ME
Probabilistic Conformal Prediction with Approximate Conditional Validity
Lagrange Mathematics and Computing Research Center（拉格朗日数学与计算研究中心）；Skolkovo Institute of Science and Technology（斯科尔科沃科学技术研究所）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Ecole Polytechnique（巴黎综合理工学院）
本研究提出一种结合共形方法灵活性与条件分布估计的预测集生成新方法，实现近似条件覆盖，推导非渐近界，实验验证其在条件覆盖上优于现有方法，提升统计推断可靠性。
2024-10-09 cs.LG math.PR math.ST
Extending Conformal Prediction to Hidden Markov Models with Exact Validity via de Finetti's Theorem for Markov Chains
Tippie College of Business, University of Iowa（爱荷华大学蒂皮商学院）；Pacific Northwest National Laboratory（太平洋西北国家实验室）；Palo Alto Networks（帕洛阿尔托网络）
本文将保形预测推广至隐马尔可夫模型，利用马尔可夫链的 de Finetti 定理将不可交换数据划分为可交换块，在保留理论保证的同时将不可交换性转化为提升性能的优势。
2023-05-22 cs.LG eess.SP stat.ME
Adjusting auxiliary variables under approximate neighborhood interference
针对网络干扰场景下传统因果推断假设失效的问题，本文提出ANI假设下网络实验回归调整通用框架，扩展传统方法并通过设计推断确保有效性，提升精度且无需正确结果模型。
2024-11-29 stat.ME
Causal inference for group-contaminated structured outcomes: observable quotients, lossless reduction and exact randomization inference
Université du Québec à Trois-Rivières（魁北克三河市大学）；Département de mathématiques et d’informatique（数学与计算机科学学院）
该研究针对组污染结构化结果的因果推断，提出可观测商、无损约化与精确随机化推断方法，在RxRx1等实验中验证了商检验的低I类错误率与高功效。
2026-08-13 cs.AI stat.ME
Heteroscedastic semiparametric transformation models: estimation and testing for validity
本文考虑一个异方差变换模型，其中变换属于参数单调变换族，回归和方差函数是非参数建模的，误差与多维协变量无关。在这个模型中，我们首先考虑模型未知分量的估计，即变换参数、回归和方差函数以及误差的分布。我们证明了所提出的估计量的渐近正态性。其次，我们对模型的有效性进行了检验，并在原假设下建立了检验统计量的极限分布。提出了一种Bootstrap方法来近似检验的临界值。最后，我们进行了模拟研究，以验证所提出的估计和测试的小样本行为。
2014-11-27 math.ST stat.ME stat.TH
