We study the estimation of treatment effects using samples stratified by treatment status. Standard estimators of the average treatment effect and the local average treatment effect are inconsistent in this setting. We propose consistent estimators and characterize their asymptotic distributions.
Inference under Covariate-Adaptive Randomization with Multiple Treatments
本文研究了多个治疗方案下协变量自适应随机化随机对照试验的推断问题。更具体地说，我们研究了一种或多种治疗相对于其他治疗或对照的平均效果的推断。如Bugni et al.（2018）所述，协变量自适应随机化是指首先根据基线协变量进行分层，然后分配治疗状态以实现各分层内平衡的随机化方案。与Bugni et al.（2018）相比，我们不仅允许多种治疗，而且还允许分配给每种治疗的单位比例在层间变化。我们首先研究来自完全饱和线性回归的估计量的性质，即，每种治疗的指标与每一层的指标之间所有相互作用的结果的线性回归。我们表明，这些估计的基础上使用通常的异方差一致估计的渐近方差的测试是无效的，另一方面，测试的基础上，这些估计和适当的估计，我们提供的渐近方差是准确的。对于分配给每个处理的目标单位比例在不同层之间没有变化的特殊情况，我们还考虑了基于从具有层固定效应的线性回归中得出的估计量的检验，即，每种治疗的指标和每一层的指标的结果的线性回归。我们表明，这些估计的基础上使用通常的异方差一致估计的渐近方差的测试是保守的，但测试的基础上，这些估计和适当的估计，我们提供的渐近方差是准确的。模拟研究说明了我们的理论结果的实际意义。
Estimating Treatment Effects Through Intermediate-Event Pathways with Multi-State Data
Vaccine and Infectious Disease Division, Fred Hutchinson Cancer Center（弗雷德·哈钦森癌症中心疫苗与传染病部门）；Department of Economics, University of California San Diego（加州大学圣地亚哥分校经济学系）；Department of Biostatistics, University of Michigan（密歇根大学生物统计学系）；Amazon Inc.（亚马逊公司）
