Inference for matched tuples and fully blocked factorial designs¶

作者: Yuehao Bai, Jizhou Liu, Max Tabord-Meehan
来源: Quantitative Economics
主题: 因果推断
相关性: 8/10
链接: 期刊页 · arXiv

一、领域脉络与小综述¶

这个方向是什么¶

这个子方向研究的是随机对照试验（RCT）中，当处理组数大于2时，如何通过“匹配元组”（matched tuples）设计来提升估计精度，并构造渐近精确的推断。核心问题是：当实验者将单元按协变量匹配成大小为|D|的区组（每个区组内每种处理恰好分配一个单元）后，如何估计和检验处理效应的线性对比（如平均处理效应、析因设计中的主效应和交互效应），以及这种设计相比传统的分层随机化（stratified randomization）在效率上有多大优势。该方向当前成熟度较高，已有匹配对（matched pairs）设计的完整理论，但向多处理组（|D|>2）的推广、以及向析因设计的系统应用，仍处于发展初期。

发展脉络（history）¶

奠基工作（2009-2016）： - Imai, King, and Nall (2009)：在整群随机试验中证明匹配对设计的有效性，驳斥了此前文献中对该设计的批评，并提出了改进的估计量。这是匹配设计在社会科学中重新获得理论支撑的关键节点。 - Athey and Imbens (2017)：系统总结了随机化推断（randomization-based inference）框架，强调不确定性来自随机分配而非抽样，并分析了分层、配对和整群随机化实验的效率增益。该工作为后续匹配设计研究提供了统一的推断框架。 - Bruhn and McKenzie (2009)：通过模拟实验比较了纯随机、分层、配对匹配和重随机化等方法的平衡性表现，发现配对匹配在小样本和强持久性结果变量时优势明显。这篇工作常被作为匹配元组设计的实践动机引用。

主要进展（2018-2022）： - Bai, Romano, and Shaikh (2021)：首次在超总体框架（super-population framework）下严格分析了匹配对设计的推断性质。他们证明常用的两样本t检验和配对t检验是保守的（即拒绝率严格低于名义水平），并提出了调整后的t检验以实现渐近精确推断。这是匹配对设计推断理论的里程碑。 - Bugni, Canay, and Shaikh (2018, 2019)：系统研究了协变量自适应随机化（covariate-adaptive randomization）下的推断问题，包括多处理组情形。他们证明“完全饱和”线性回归的异方差一致标准误检验可能无效，并提出了修正方法。这些结果直接影响了本文对回归检验的分析。 - Bai (2022)：证明在所有以1/2概率分配处理的层随机化方案中，某种匹配对设计能达到最大统计精度。这是匹配设计最优性的首个严格结果。 - de Chaisemartin and Ramirez-Cuellar (2022)：揭示在匹配对实验中，若按单元级聚类标准误，方差估计量可能严重向下偏（常数处理效应下期望仅为真实方差的1/2），导致过度拒绝。建议按配对级聚类。这直接影响了本文对回归检验的无效性分析。 - Li, Ding, and Rubin (2020)：研究2^K析因实验中的重随机化设计，在有限总体框架下推导了析因效应估计量的联合渐近分布。本文因框架差异（有限总体 vs 超总体）和分布非正态性而排除了该设计。

当前frontier与本文位置： - Liu et al. (2022)：将Dasgupta et al. (2015)的结果推广到一般分层随机化设计，建立了随机化区组2^K析因实验的联合中心极限定理。本文在此基础上，进一步将匹配元组设计（区组大小等于处理数）与析因设计结合，提出“全区组”（fully-blocked）析因设计，并证明其渐近方差低于任何分层析因设计。 - Muralidharan, Romero, and Wuthrich (2019)：实证调查发现27篇顶刊析因实验中19篇使用了忽略交互项的“短模型”t检验，且超过一半的结果在加入交互项后失去显著性。这凸显了析因实验推断方法的实际需求，也是本文方法的应用动机。 - 本文（Bai, Liu, Tabord-Meehan, 2024）：将匹配对设计的理论推广到匹配元组（|D|≥2），建立了一般线性对比估计量的渐近正态性和一致方差估计，并系统应用于全区组2^K析因设计，证明其效率优势。这是匹配设计从“对”到“元组”、从单一ATE到析因参数的系统性推广。

子线索聚类¶

线索1：匹配/区组设计的推断理论 - 核心工作：Bai et al. (2021), Bai (2022), de Chaisemartin and Ramirez-Cuellar (2022), Imai et al. (2009), Fogarty (2018), van der Laan et al. (2012), Jiang et al. (2020) - 共同问题：在匹配对/元组设计中，如何构造渐近精确的检验？方差如何估计？回归方法是否有效？ - 当前状态：匹配对设计已有完整理论（Bai et al., 2021），但匹配元组（|D|>2）的推断理论此前缺失。本文填补了这一空白。

线索2：协变量自适应随机化下的推断 - 核心工作：Bugni et al. (2018, 2019), Athey and Imbens (2017) - 共同问题：当随机化依赖于协变量（如分层、匹配）时，标准推断方法是否仍然有效？如何修正？ - 当前状态：已建立多处理组下的理论，但主要针对“大层”（large strata）设计。本文的匹配元组设计属于“小层”（每个层大小等于处理数）设计，需要不同的渐近理论。

线索3：析因实验的设计与推断 - 核心工作：Li et al. (2020), Muralidharan et al. (2019), Liu et al. (2022), Dasgupta et al. (2015), Pashley and Bind (2019) - 共同问题：如何设计析因实验以平衡协变量？如何正确推断主效应和交互效应？ - 当前状态：已有重随机化、分层随机化等设计，但“全区组”析因设计（即匹配元组应用于析因实验）的效率优势此前未被严格证明。本文提供了这一证明。

这个方向在追问的核心问题¶

匹配元组设计的推断性质：当区组大小等于处理数|D|时，处理效应估计量的渐近分布是什么？方差如何一致估计？
回归方法的有效性：常用的基于线性回归的t检验（如含区组固定效应的OLS、不含区组固定效应的OLS）在匹配元组设计中是否有效？是保守还是无效？
效率比较：匹配元组设计（特别是全区组析因设计）相比传统分层随机化设计，在渐近方差上是否有严格优势？优势有多大？
实际可行性：匹配元组设计在实践中如何实施？其效率增益是否足够大以值得额外的匹配成本？

已知瓶颈： - 匹配元组设计的渐近理论需要处理区组内依赖性和区组间异质性，传统独立同分布渐近理论不直接适用。 - 方差估计需要同时估计每个处理组的条件方差函数，这在处理数多时可能不稳定。 - 回归方法（如含区组固定效应的OLS）的方差估计量在匹配元组设计中可能严重偏误，需要新的修正方法。

⚠️ 作者的framing¶

作者把缺口frame成什么：作者将缺口定位为“匹配对设计（|D|=2）的推断理论已被充分研究，但匹配元组设计（|D|≥2）的推断理论缺失”。他们进一步将全区组析因设计视为匹配元组设计的自然应用，从而将“析因设计的效率比较”也纳入其框架。具体来说： - 引言第1段：指出匹配元组设计在社会科学中广泛使用（引用Bold et al., 2018; Brown and Andrabi, 2020等），但缺乏严格的推断理论。 - 引言第2段：指出析因设计也广泛使用（引用Alatas et al., 2012; Besedeš et al., 2012等），但现有设计（如分层析因设计）的效率可能不如全区组设计。 - 引言第3段：明确本文贡献为“建立匹配元组设计的渐近推断理论”和“证明全区组析因设计的效率优势”。

哪些竞争路线被他淡化或回避了： - 重随机化设计（rerandomization）：作者在脚注中明确排除，理由是Li et al. (2020)的推断结果在有限总体框架下推导，且极限分布非正态。但重随机化是另一种流行的平衡协变量的方法，其与匹配元组设计的效率比较未被讨论。 - 分数析因设计（fractional factorial designs）：作者仅在脚注中提及，指出其分配的是因子组合的子集（引用Pashley and Bind, 2019），但未与全区组设计进行效率比较。分数析因设计在资源受限时很实用，其与全区组设计的权衡未被分析。 - 非参数匹配方法：作者假设匹配是基于协变量的某种距离度量，但未讨论当协变量高维时匹配的可行性或最优匹配策略（如Bai, 2022中的最优配对）。

什么明显该被引/该存在、却没出现在intro里？： - 匹配设计的有限样本性质：Bai et al. (2021)和Bai (2022)主要关注渐近性质，但匹配元组设计的有限样本表现（如Edgeworth展开、bootstrap改进）未被讨论。相关文献如Jiang et al. (2020)的bootstrap方法在匹配对设计中的应用，但未被引用到匹配元组语境。 - 高维协变量下的匹配：当协变量维数随样本量增长时，匹配的收敛速度和质量如何？这在高维统计中是一个活跃问题，但本文未涉及。 - 处理效应异质性下的最优设计：Bai (2022)在常数处理效应下证明了匹配对的最优性，但处理效应异质性下匹配元组设计是否仍最优？这未被讨论。

张力¶

未见明显对立引用。各被引工作之间在匹配设计的有效性上基本一致（都认为匹配设计能提升效率），分歧主要在于推断方法的选择（如回归方法是否有效、标准误聚类层级等）。这些分歧在本文中被系统处理。

二、最核心、最简单的例子 / 数学问题¶

第一步：符号、模型、可观测数据交代清楚¶

符号： - D：处理组集合，|D| = 处理组数（≥2）。例如D = {0, 1, ..., |D|-1}，其中0可表示对照组。 - i：单元索引，i = 1, ..., n。 - B_i：单元i所属的区组（block）索引。每个区组大小为|D|，即每个区组包含恰好|D|个单元。 - D_i：单元i实际接受的处理，取值于D。在每个区组内，处理被随机分配给区组内的|D|个单元，每种处理恰好分配一次。 - Y_i：单元i的观测结果（outcome），为实值随机变量。 - X_i：单元i的协变量（covariates），用于匹配。可以是向量。 - Y_i(d)：单元i的潜在结果（potential outcome），即若单元i被分配到处理d∈D时的结果。这是不可观测的——每个单元只能观测到其实际分配处理对应的潜在结果。 - μ_d：处理d的平均潜在结果，μ_d = E[Y_i(d)]。这是要估计的目标参数。 - θ：线性对比向量，θ = Cμ，其中C是已知的r×|D|对比矩阵（每行元素和为0），μ = (μ_0, ..., μ_{|D|-1})^T。例如，若D={0,1}，则ATE = μ_1 - μ_0对应C = (-1, 1)。 - n：总样本量。假设n是|D|的整数倍，且每个区组大小恰好为|D|，故区组数B = n/|D|。 - b：区组索引，b = 1, ..., B。 - Y_{b,d}：区组b中分配到处理d的单元的观测结果。 - D_{b,d}：区组b中分配到处理d的单元索引（但实际分析中通常直接使用Y_{b,d}）。 - σ_d^2(x)：给定协变量X=x时，潜在结果Y(d)的条件方差，σ_d^2(x) = Var(Y(d)|X=x)。 - π_d：处理d的总体比例，在匹配元组设计中π_d = 1/|D|（每个区组内每种处理恰好一个）。

模型： - 数据生成机制：单元(i.i.d.)从总体中抽样，每个单元有协变量X_i和潜在结果向量(Y_i(d): d∈D)。然后，单元被按协变量匹配成大小为|D|的区组。在每个区组内，处理被随机分配给区组内的|D|个单元，每种处理恰好分配一次。随机化独立于潜在结果（由实验设计保证）。 - 关键假设： 1. SUTVA：单元间无交互，且处理版本唯一（标准假设）。 2. 无混淆性（随机化）：在给定区组（即给定协变量匹配结果）的条件下，处理分配独立于潜在结果。这由实验设计保证。 3. 匹配质量：区组内单元的协变量“足够接近”，使得条件方差函数σ_d^2(x)在区组内近似常数。这是渐近理论成立的关键条件（见假设1）。 - 要估的对象：线性对比向量θ = Cμ。例如，θ可以是所有处理与对照组的ATE向量，也可以是析因设计中的主效应和交互效应。

可观测数据： - 研究者实际能观测到的是：每个单元i的协变量X_i、实际分配的处理D_i、观测结果Y_i。即{(X_i, D_i, Y_i): i=1,...,n}。 - 研究者还知道每个单元的区组归属B_i（因为匹配是实验者做的）。 - 不可观测：每个单元的潜在结果Y_i(d)（d≠D_i）。这是因果推断的核心缺失数据问题。 - 关键识别：由于随机化，E[Y_i|D_i=d] = E[Y_i(d)] = μ_d，因此μ_d可由样本均值识别。但匹配设计引入了区组内依赖，使得标准i.i.d.渐近理论不直接适用。

第二步：讲最小内核¶

最简特例：|D|=2（匹配对设计）

这是本文结果的最简特例，也是整篇论文的“种子”情形。设D={0,1}，即一个对照组和一个处理组。目标参数是ATE：θ = μ_1 - μ_0。

数据： - n个单元，配对成B=n/2个对子（区组）。每个对子包含两个单元，协变量“接近”。 - 在每个对子内，随机分配一个单元到处理组（D=1），另一个到对照组（D=0）。 - 观测数据：对每个对子b，有(Y_{b,1}, Y_{b,0})，分别是对子b中处理组和对照组的观测结果。

估计量：样本模拟估计量（sample analog estimator）：

\[\hat{\theta} = \frac{1}{B} \sum_{b=1}^B (Y_{b,1} - Y_{b,0})\]

即所有对子内差异的平均。

核心思路： - 在每个对子内，由于随机化，Y_{b,1} - Y_{b,0}是μ_1 - μ_0的无偏估计。 - 但由于对子内两个单元的协变量接近，Y_{b,1}和Y_{b,0}是正相关的（因为共享相似的协变量），因此对子内差异的方差小于独立随机分配下的方差。这就是匹配设计的效率增益来源。 - 关键困难：对子间差异（Y_{b,1} - Y_{b,0}）不是独立的吗？实际上，由于对子是通过匹配形成的（依赖于所有单元的协变量），对子间存在弱依赖。但Bai et al. (2021)证明，在匹配质量足够好的条件下，这种依赖可以忽略，且\(\hat{\theta}\)渐近正态。

本文的推广： - 从|D|=2到一般|D|：估计量变为\(\hat{\mu}_d = \frac{1}{B} \sum_{b=1}^B Y_{b,d}\)，然后\(\hat{\theta} = C\hat{\mu}\)。 - 方差估计：需要估计每个处理d的条件方差σ_d^2(x)，然后取区组内平均。由于每个区组内每种处理只有一个观测，无法直接估计σ_d^2(x)，但可以通过“plug-in”方法用样本方差替代（见Bugni et al., 2018, 2019）。 - 效率比较：在全区组2^K析因设计中，每个区组包含所有2^K种因子组合，因此每个主效应和交互效应的估计量都是对子内差异的平均，方差最小化。

这个特例揭示了论文的核心数学困难： 1. 依赖性的处理：匹配设计导致观测数据不是i.i.d.的，需要新的中心极限定理。 2. 方差估计：每个区组内每种处理只有一个观测，无法直接估计条件方差，需要利用“跨区组”的信息。 3. 效率比较：需要比较不同设计下估计量的渐近方差，这涉及对协方差结构的精确刻画。

三、这篇论文做了什么¶

三句话¶

研究了什么问题：在随机对照试验中，当处理组数|D|≥2且采用匹配元组设计（每个大小为|D|的区组内每种处理恰好分配一个单元）时，如何对处理效应向量的线性对比进行渐近精确的推断，以及如何将结果应用于全区组2^K析因设计并证明其效率优势。
核心工具/方法：样本模拟估计量 + 基于plug-in的方差估计 + 渐近正态性证明（利用匹配质量假设下的弱依赖CLT）+ 方差比较（通过协方差矩阵的Loewner序）。
主要结论：(a) 在匹配质量足够好的条件下，样本模拟估计量渐近正态，且所构造的方差估计量一致，从而检验渐近精确；(b) 含区组固定效应的OLS t检验是保守的（拒绝率≤名义水平），不含区组固定效应的OLS t检验是无效的（拒绝率可能大于名义水平）；(c) 在全区组2^K析因设计中，该估计量的渐近方差严格小于任何分层析因设计（即每个层内所有处理组合按比例分配的设计）。

关键设定与假设¶

完整设定（在第二节最小记号基础上补充）：

匹配机制：假设存在一个距离度量ρ(·,·)，单元按ρ(X_i, X_j)匹配成大小为|D|的区组。匹配是“最优”或“近似最优”的，使得区组内最大距离随样本量增长而趋于0。
假设1（匹配质量）：存在一个序列δ_n → 0，使得每个区组内任意两个单元的协变量距离≤δ_n。这是渐近理论的核心条件，确保区组内协变量“足够同质”。
假设2（矩条件）：对每个d∈D，E[Y(d)^4] < ∞。这是CLT的标准条件。
假设3（方差函数连续性）：条件方差函数σ_d^2(x) = Var(Y(d)|X=x)在协变量空间上连续。这确保plug-in方差估计的一致性。
对比矩阵C：r×|D|矩阵，每行元素和为0（确保对比），且行满秩（r ≤ |D|-1）。例如，C可以是所有处理与对照组的对比（r=|D|-1），也可以是析因设计中的主效应和交互效应。

相比已有文献的放宽/强化： - 放宽：相比Bai et al. (2021)（仅|D|=2），本文允许任意|D|≥2。 - 强化：相比Bugni et al. (2018, 2019)（考虑“大层”设计，每个层内处理按比例分配），本文的匹配元组设计是“小层”设计（每个层大小等于处理数），需要不同的渐近理论。本文的方差估计方法借鉴了Bugni et al.的plug-in思想，但应用于不同的设计。 - 与Liu et al. (2022)的关系：Liu et al.研究一般分层随机化下的析因实验，但未考虑全区组设计。本文证明全区组设计在效率上优于任何分层设计。

主要结果¶

定理1（渐近正态性）：在假设1-3下，对任意对比矩阵C，有

\[\sqrt{B}(\hat{\theta} - \theta) \xrightarrow{d} N(0, V)\]

其中V = C Σ C^T，Σ是对角矩阵，第d个对角元为E[σ_d^2(X)]（即条件方差的期望）。注意：这里B是区组数，不是样本量n = B|D|。

直觉：由于区组内协变量接近，每个区组内各处理的潜在结果近似同分布（除处理效应外），因此区组内差异的方差近似等于条件方差之和。跨区组平均后，由CLT得渐近正态。

必要条件：匹配质量假设1（δ_n → 0）是关键的。若匹配质量差（区组内协变量差异大），则渐近方差表达式会更复杂，且可能包含协变量不平衡的项。

解决的技术难点：证明区组间弱依赖性不影响CLT。作者使用了一个“子序列论证”（subsequencing argument），类似于Bai et al. (2021)的引理S.1.5，将匹配形成的依赖结构转化为可处理的鞅差序列。

定理2（方差估计一致性）：构造方差估计量\(\hat{V}\)，使得\(\hat{V} \xrightarrow{p} V\)。具体构造为：

\[\hat{V} = C \hat{\Sigma} C^T, \quad \hat{\Sigma}_{dd} = \frac{1}{B} \sum_{b=1}^B (Y_{b,d} - \bar{Y}_d)^2\]

其中\(\bar{Y}_d = \frac{1}{B} \sum_{b=1}^B Y_{b,d}\)。即每个处理d的方差由该处理在所有区组中的样本方差估计。

直觉：由于每个区组内每种处理只有一个观测，无法直接估计条件方差σ_d^2(X_{b,d})。但利用匹配质量假设，区组内协变量接近，因此σ_d^2(X_{b,d}) ≈ σ_d^2(X_{b',d})，从而跨区组的样本方差是条件方差期望的一致估计。

定理3（回归检验的性质）： - 含区组固定效应的OLS（即回归Y_i对D_i指示变量和区组固定效应）：对应的t检验是保守的，即渐近拒绝率≤名义水平α。原因是该回归的方差估计量高估了真实方差。 - 不含区组固定效应的OLS（即仅回归Y_i对D_i指示变量）：对应的t检验是无效的，即渐近拒绝率可能大于名义水平α。原因是该回归忽略了区组内的相关性，导致方差估计量低估了真实方差。

直觉：含区组固定效应的OLS相当于在每个区组内估计处理效应，然后平均。但由于区组内样本量小（仅|D|个），固定效应估计引入了额外的噪声，使得方差估计偏大。不含区组固定效应的OLS则完全忽略了区组结构，将数据视为i.i.d.，严重低估方差。

定理4（全区组析因设计的效率优势）：考虑一个2^K析因实验，有K个二值因子，共2^K种处理组合。设全区组设计（每个大小为2^K的区组包含所有处理组合）下的估计量渐近方差为V_FB，任何分层析因设计（将样本分成有限个“大层”，每个层内按比例分配处理组合）下的估计量渐近方差为V_STR。则V_FB ≤ V_STR，且不等号在非退化条件下严格成立（即V_FB < V_STR）。

直觉：全区组设计在每个区组内实现了“完美平衡”——每个处理组合恰好出现一次。这消除了层间处理组合比例差异带来的额外方差。分层设计虽然也在每个层内按比例分配，但层内样本量可能很大，无法像全区组设计那样精确控制每个处理组合的样本量。

必要条件：定理4要求分层设计的层数有限（不随样本量增长）。若层数随样本量增长（如每个层大小固定），则分层设计可能渐近等价于全区组设计。但实际中，分层设计通常只有少量层（如地区、性别等），因此全区组设计的优势是实质性的。

证明路线与技术技巧¶

整体路线（以定理1为例）：

步骤1：将估计量写为区组内统计量的和。
\[\hat{\theta} = \frac{1}{B} \sum_{b=1}^B C Y_b\]
其中Y_b = (Y_{b,0}, ..., Y_{b,|D|-1})^T是区组b内各处理的观测结果向量。
步骤2：证明区组内统计量的条件独立性。给定所有单元的协变量和匹配结果，区组内的处理分配是独立的（每个区组独立随机化）。因此，给定协变量，区组间是条件独立的。但匹配过程引入了跨区组的依赖（因为匹配依赖于所有单元的协变量），所以无条件分布下区组间不是独立的。
步骤3：利用匹配质量假设控制依赖强度。假设1（δ_n → 0）意味着随着样本量增长，区组内协变量差异趋于0。因此，区组内各单元的潜在结果分布趋于相同（除处理效应外）。这允许使用“子序列论证”：任何子序列都存在一个子子序列，使得匹配结构“稳定”，从而可以应用鞅差CLT。
步骤4：应用鞅差中心极限定理。构造一个鞅差序列，其部分和等于\(\sqrt{B}(\hat{\theta} - \theta)\)。关键是要证明该鞅差序列满足Lindeberg条件和条件方差收敛。这需要利用矩条件（假设2）和方差函数连续性（假设3）。
步骤5：计算渐近方差。渐近方差为V = C Σ C^T，其中Σ_{dd} = E[σ_d^2(X)]。这来自：在匹配质量足够好的条件下，区组内各处理的潜在结果近似独立同分布（给定协变量），因此区组内差异的方差近似等于条件方差之和。

关键跳跃点： - 从条件独立到无条件CLT：给定协变量时，区组间是条件独立的，但匹配过程破坏了无条件独立性。作者通过“子序列论证”绕过这一困难：先证明任何子序列都存在一个子子序列使得CLT成立，然后利用唯一性推出原序列也成立。这是Bai et al. (2021)中使用的技巧。 - 方差估计的一致性：每个处理d在每个区组中只有一个观测，如何估计σ_d^2(X_{b,d})？作者利用匹配质量假设，将跨区组的样本方差作为E[σ_d^2(X)]的估计。这要求区组内协变量足够接近，使得σ_d^2(X_{b,d}) ≈ σ_d^2(X_{b',d})。证明的关键是验证该估计量的偏差和方差都趋于0。

技术技巧点名： - 子序列论证（subsequencing argument）：用于处理匹配设计带来的弱依赖性。源自Bai et al. (2021)的引理S.1.5。 - 鞅差CLT：用于证明渐近正态性。需要构造合适的鞅差序列并验证条件。 - plug-in方差估计：借鉴Bugni et al. (2018, 2019)的方法，用样本方差替代条件方差的期望。 - Loewner序比较：在定理4中，通过比较两个协方差矩阵的Loewner序（即V_FB ≤ V_STR）来证明效率优势。这需要精确计算两种设计下估计量的渐近方差表达式。 - Cramér-Wold定理：将多维CLT化为一维问题，简化证明。

真实例子与应用¶

模拟研究： - 数据：基于Bai (2022)中使用的10个RCT数据集，模拟生成潜在结果和协变量。每个数据集包含约1000-5000个单元。 - 方法应用：比较匹配元组设计（|D|=2,4,8）与分层随机化设计下的估计量方差和检验的拒绝率。 - 结果：(a) 匹配元组设计的估计量方差始终小于或等于分层设计，且差距随|D|增大而增大；(b) 本文提出的检验（基于定理1-2）的拒绝率接近名义水平5%，而含区组固定效应的OLS检验拒绝率约为3-4%（保守），不含区组固定效应的OLS检验拒绝率约为7-10%（无效）。 - 说明的问题：验证了理论结果（效率优势和检验性质）在有限样本中的表现。

实证应用： - 数据：来自Bold et al. (2018)的肯尼亚教育干预实验。该实验使用匹配元组设计（|D|=2，即匹配对），评估合同教师项目对考试成绩的影响。 - 方法应用：使用本文的估计量和方差估计重新分析数据，并与原文的回归方法对比。 - 结果：本文的估计量得到与原文相似的效应估计（约0.19个标准差），但标准误更小（效率增益约10%），且检验的置信区间更窄。 - 说明的问题：展示了匹配元组设计在实际数据分析中的效率优势，以及本文推断方法的实用性。

🔎 结论是否比证明窄¶

定理4的适用范围：定理4证明全区组析因设计的渐近方差低于任何分层析因设计，但该证明假设分层设计的层数有限且不随样本量增长。作者在讨论中承认，若层数随样本量增长（如每个层大小固定），则分层设计可能渐近等价于全区组设计。但这一条件在定理陈述中未明确强调，读者可能误以为全区组设计对所有分层设计都有严格优势。
匹配质量假设的可验证性：假设1（δ_n → 0）是理论核心，但作者未提供在实践中如何验证匹配质量是否足够好的方法。在模拟中，他们使用已知的匹配算法（如最优匹配），但未讨论当匹配质量不满足假设时方法的稳健性。
方差估计的有限样本表现：定理2证明方差估计量一致，但模拟显示在|D|较大（如8）且样本量较小（如B=50）时，方差估计有轻微向下偏误。作者将此归因于有限样本偏差，但未提供修正方法（如bootstrap或jackknife）。

四、开放问题（点到为止，扎根具体语句）¶

匹配元组设计的最优性：Bai (2022)证明在|D|=2时匹配对设计在特定意义下最优。本文未讨论|D|>2时匹配元组设计是否也在某种意义下最优。扎根：引言第3段提到“Bai (2022) shows that among all stratified randomization schemes... a certain matched-pair design achieves the maximum statistical precision”，但本文未将这一最优性结果推广到|D|>2。
高维处理组（|D|随n增长）：本文假设|D|固定。当处理组数随样本量增长时（如|D| → ∞），匹配元组设计的渐近性质如何？方差估计是否仍然一致？扎根：定理1-2的证明依赖于|D|固定，因为CLT要求B → ∞而|D|固定。若|D|增长，需要新的渐近框架。
非参数/高维协变量下的匹配：本文假设协变量维数固定且匹配质量随样本量增长而改善。当协变量维数高（如p > n）时，匹配质量可能无法保证，此时方法的稳健性如何？扎根：假设1要求δ_n → 0，这在协变量维数高时可能不成立（“维度诅咒”）。作者在讨论中未提及这一限制。
全区组析因设计与分数析因设计的比较：本文仅比较了全区组设计与分层析因设计，未与分数析因设计（fractional factorial designs）比较。分数析因设计在资源受限时很实用，其与全区组设计的效率-成本权衡值得研究。扎根：脚注4提到“fractional factorial designs... assign only a subset of the possible factor combinations”，但未进一步分析。
有限样本改进：本文的方差估计量在|D|较大时可能有有限样本偏差。是否存在bootstrap或jackknife修正方法？扎根：模拟部分（第6节）提到“the variance estimator exhibits slight downward bias when |D| is large and B is small”，但未提供修正。

Maintained by 陈星宇 · Homepage · Source on GitHub