跳转至

Randomization inference on cell effects under absorbing treatment onset

作者: Xinyuan Chen
主题: 因果推断
相关性: 7/10
链接: https://arxiv.org/abs/2610.02556


一、领域脉络与小综述

这个方向是什么

本文所处的子方向是基于设计的因果推断(design-based causal inference),具体聚焦于吸收性处理开始(absorbing treatment onset)设计下的随机化推断(randomization inference, RI)。这类设计包括多基线实验(multiple-baseline designs)、交错采用设计(staggered adoption designs)和阶梯楔形试验(stepped-wedge cluster randomized trials),其核心特征是:每个单元(个体、集群)在随机化的开始时间从基线切换到处理,并在此后一直保持处理状态。该子方向要解决的根本问题是:在只有少量异质单元、且处理开始时间随机化的纵向设计中,如何对单元-时期(cell)层面的处理效应进行有限样本有效的推断,而不依赖大样本渐近近似。该方向的成熟度处于快速发展期——从早期针对"无效应"零假设的精确检验,逐步扩展到对效应大小、效应分布(如分位数)和效应异质性的推断。

发展脉络(history)

奠基工作:该方向的根基是 Fisher (1935) 的随机化检验思想,以及 Rosenbaum (2002) 对"效应递增统计量"(effect-increasing statistics)的系统化——后者证明了在完全随机化实验中,若统计量满足单调性,则对"所有单元效应非正"的有界零假设的检验是有限样本有效的。这一框架为后续所有工作提供了核心工具。

主要进展:Caughey, Dafoe, Li 和 Miratrix (2023) 将 Rosenbaum 的框架从单期实验推广到更一般的设定,建立了有界零假设和分位数零假设的随机化检验理论,并给出了闭式 p 值上界。同期,计量经济学领域出现了处理"少量处理单元"问题的平行工作线:Conley and Taber (2011) 开创了处理组极少时的推断方法,Ferman and Pinto (2019) 处理了异方差下的类似问题,Chernozhukov, Wüthrich 和 Zhu (2021) 将 conformal inference 引入反事实与合成控制推断,Hagemann (2025) 则发展了有限异质集群下的置换推断。这些工作共同构成了"少量处理单元"问题的工具箱。

当前 frontier:最新的进展集中在两个方向。其一是条件随机化检验:Shaikh and Toulis (2021) 和 Zhang and Zhao (2025) 提出通过条件化于部分单元的分配来构造检验,以处理观测研究中处理分配机制未知的问题。其二是效应分布推断:Su and Li (2024) 和 Kim et al. (2025) 发展了针对个体处理效应分位数和分布的随机化推断方法,将问题转化为背包问题(knapsack problem)求解。此外,Athey and Imbens (2022) 和 Roth and Sant'Anna (2023) 从估计与效率角度研究了交错采用设计下的平均效应推断,Xiong et al. (2024) 则研究了此类设计的最优实验设计问题。

本文的位置:本文(Chen 2026)将 Caughey et al. (2023) 的有限样本有效检验框架从单期完全随机化实验推广到吸收性处理开始设计,填补了该框架在纵向交错设计中的空白。作者证明了在"处理持续时间无关性"假设下,有界零假设和分位数零假设的检验对所有吸收性开始设计均保持有限样本有效性,并首次给出了此类设计下检验功效的精确刻画——功效由开始窗口大小 K_T 而非序列长度 T 决定。

子线索聚类

被引文献大致落在三条子线索上:

  1. 随机化检验的理论扩展(Rosenbaum 2002; Caughey et al. 2023; Wu and Ding 2021; Ding et al. 2016):这条线索关注如何将 Fisher 随机化检验从"无效应"零假设推广到更丰富的零假设(有界零、分位数零、弱零),并刻画检验的有限样本性质。核心工具是效应递增统计量和 p 值上界的计算。

  2. 少量处理单元的计量方法(Conley and Taber 2011; Ferman and Pinto 2019; Chernozhukov et al. 2021; Alvarez et al. 2025; Hagemann 2025):这条线索关注处理单元极少(甚至只有一个)时的推断问题,发展出基于置换、conformal prediction 和集群层面渐近的方法。与线索 1 的区别在于,这里更强调观测研究和模型误设的稳健性。

  3. 交错设计的估计与实验设计(Athey and Imbens 2022; Roth and Sant'Anna 2023; Xiong et al. 2024; Hussey and Hughes 2007; Ji et al. 2017):这条线索关注交错采用设计下的平均效应估计、效率界和最优设计,通常假设处理效应同质或关注平均效应,而非单元层面的异质性效应。

本文的位置:本文主要与线索 1 对接(将 Caughey et al. 2023 的框架推广到吸收性开始设计),同时与线索 3 中的设计问题(Athey and Imbens 2022; Roth and Sant'Anna 2023)形成互补——那些工作关注平均效应,本文关注单元层面效应的分布。

这个方向在追问的核心问题

  1. 有限样本有效性:在少量单元、非渐近设定下,如何构造对复合零假设(有界零、分位数零)水平可控的检验?
  2. 功效的驱动因素:检验功效由什么决定?是序列长度、单元数、还是开始窗口的大小?
  3. 假设的稳健性:当"处理持续时间无关性"等关键假设部分失效时,检验的性质如何变化?如何通过敏感性分析量化这种变化?
  4. 计算可行性:分位数零假设的精确 p 值涉及组合优化,如何设计可计算的上界或近似?

已知瓶颈:分位数零假设的精确 p 值计算是组合难题;功效理论在一般设计下难以刻画;对处理效应异质性的推断本质上受限于每个单元只有一个开始时间这一信息瓶颈。

⚠️ 作者的 framing(这是作者的说法)

作者将缺口 frame 为:"Caughey et al. (2023) 的有限样本有效检验框架尚未被推广到吸收性开始设计",并声称这一推广需要解决三个新问题:(i) 反事实开始时间会翻转一个单元的一整块连续时期,而非单期实验中的单个单元;(ii) 单元在反事实开始时间下的处理状态可能不同,导致闭式最大化器失效;(iii) 参考分布的大小由开始窗口而非序列长度决定。作者淡化了与线索 2(少量处理单元的计量方法)的联系——那些方法处理的是观测研究中的识别问题,而本文聚焦于随机化实验中的检验问题。值得注意的是,作者在引言中未提及 Rosenbaum (2007) 关于 attributable effects 的工作,也未讨论 Rosenbaum (2002) 中"效果递增统计量"在观测研究(非随机化)中的适用性边界——这是一个值得研究者去查的潜在缺口。

张力

未见明显对立引用。各条线索之间是互补关系而非竞争关系:线索 1 提供检验框架,线索 2 处理识别问题,线索 3 关注估计与设计。不过,线索 1 与线索 3 之间存在一个潜在张力:线索 3 的效率理论(Roth and Sant'Anna 2023)通常要求处理效应同质或关注平均效应,而线索 1 的检验框架允许完全异质的单元层面效应——这两种视角对"什么是好的推断"给出了不同的标准(效率 vs. 有限样本有效性),但作者未在文中讨论这一张力。


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

符号清单(逐个点名):

记号 含义 类型
\(N\) 单元数(固定) 指标
\(T\) 序列长度(时期数) 指标
\(S_i \in \mathcal{S} \subseteq \{2,\ldots,T\}\) 单元 \(i\) 的开始时间 随机变量(设计)
\(\mathcal{S}\) 可允许开始时间集合 指标
\(K = \|\mathcal{S}\|\) 每个单元可允许的开始时间数 指标
\(\Omega \subseteq \mathcal{S}^N\) 设计支撑集 指标
\(P\) 设计分布(\(\Omega\) 上的已知分布) 已知
\(W_{it}(s) = \mathbf{1}(t \geq s)\) 单元 \(i\) 在开始时间 \(s\) 下时期 \(t\) 的处理状态 确定性函数
\(Y_{it}(s)\) 单元 \(i\) 在开始时间 \(s\) 下时期 \(t\) 的潜在结果 潜在量(固定)
\(Y^{(1)}_{it}, Y^{(0)}_{it}\) 处理/未处理潜在结果(在假设1下) 潜在量(固定)
\(\tau_{it} = Y^{(1)}_{it} - Y^{(0)}_{it}\) 单元 \(i\) 时期 \(t\) 的单元-时期效应(cell effect) 目标参数(estimand)
\(\delta = (\delta_{it})\) 有界零假设中的效应上界 假设参数
\(Y_{it} = Y_{it}(S_i)\) 观测结果 可观测数据
\(\psi(s, y)\) 检验统计量 函数
\(p_{S,\delta}\) 随机化 p 值 统计量
\(\mathcal{B} = \{1,\ldots,N\} \times \{1,\ldots,T\}\) 所有单元-时期单元的集合 指标
\(B = NT\) 单元-时期单元总数 指标

模型(数据生成机制):

  1. 设计:开始时间向量 \(S = (S_1, \ldots, S_N)\) 从已知分布 \(P\) 中抽取,支撑为 \(\Omega \subseteq \mathcal{S}^N\)。这是唯一的随机性来源。
  2. 潜在结果:每个单元 \(i\) 的潜在结果由开始时间索引,\(Y_{it}(s)\) 对 \(s \in \mathcal{S}\) 定义。在假设1(处理持续时间无关性)下,\(Y_{it}(s)\) 仅通过处理状态 \(W_{it}(s)\) 依赖 \(s\),即 \(Y_{it}(s) = Y^{(1)}_{it} W_{it}(s) + Y^{(0)}_{it}(1 - W_{it}(s))\)。
  3. 观测:\(Y_{it} = Y_{it}(S_i)\)。

可观测数据:研究者观测到 \((S, Y)\),其中 \(S\) 是开始时间向量,\(Y\) 是 \(N \times T\) 的结果矩阵。关键点:每个单元只揭示一个潜在结果路径(由其实际开始时间决定),其他开始时间下的潜在结果不可观测。

目标:对单元-时期效应矩阵 \(\tau = (\tau_{it})\) 的假设进行检验。具体地: - 有界零假设 \(H_{\leq \delta}\):\(\tau_{it} \leq \delta_{it}\) 对所有 \((i,t)\) 成立。 - 分位数零假设 \(H^{B}_{k,c}\):\(\tau^{B}_{(k)} \leq c\),即 \(\mathcal{B}\) 中第 \(k\) 小的效应不超过 \(c\),等价于至少有 \(B - k + 1\) 个单元的效应超过 \(c\)。

第二步:最小内核

最简特例:\(N = 1\) 个单元,\(T = 3\) 个时期,可允许开始时间 \(\mathcal{S} = \{2, 3\}\)(\(K = 2\)),设计为均匀分布(每个开始时间概率 \(1/2\))。观测到 \(S = 2\),即单元在时期 2 开始处理。

核心问题:如何检验有界零假设 \(H_{\leq \delta}\):\(\tau_{it} \leq \delta_{it}\) 对所有 \(t = 1,2,3\) 成立?

关键观察:在 \(H_{\leq \delta}\) 下,我们可以插补(impute)反事实结果。观测到: - 时期 1(未处理):\(Y_1 = Y^{(0)}_1\) - 时期 2(处理):\(Y_2 = Y^{(1)}_2\) - 时期 3(处理):\(Y_3 = Y^{(1)}_3\)

在 \(H_{\leq \delta}\) 下,\(Y^{(1)}_t \leq Y^{(0)}_t + \delta_t\),所以 \(Y^{(0)}_t \geq Y^{(1)}_t - \delta_t\)。对于反事实开始时间 \(s' = 3\): - 时期 1(未处理):\(Y^{(0)}_1 = Y_1\)(观测值) - 时期 2(未处理):\(Y^{(0)}_2 \geq Y_2 - \delta_2\)(下界) - 时期 3(处理):\(Y^{(1)}_3 = Y_3\)(观测值)

检验统计量:取均值对比 \(\psi(s, y) = \frac{1}{T}\sum_{t} W_t(s) y_t - \frac{1}{T}\sum_{t} (1 - W_t(s)) y_t\),即处理后均值减处理前均值。观测值 \(\psi(2, Y) = \frac{Y_2 + Y_3}{2} - Y_1\)。

随机化 p 值:\(p_{S,\delta} = P_{s'}\left(\psi\{s', \tilde{Y}(s')\} \geq \psi(S, Y)\right)\),其中 \(\tilde{Y}(s')\) 是在 \(H_{\leq \delta}\) 下插补的矩阵。

为什么成立:在 \(H_{\leq \delta}\) 下,对于任何 \(s'\),插补矩阵 \(\tilde{Y}(s')\) 的每个条目都弱小于真实潜在结果(处理单元被低估,未处理单元被高估——取决于 \(\delta\) 的符号约定)。因此,效应递增统计量 \(\psi\) 在插补矩阵上的值不超过在真实潜在结果上的值。于是:

\[P_{s'}\left(\psi\{s', \tilde{Y}(s')\} \geq \psi(S, Y)\right) \leq P_{s'}\left(\psi\{s', Y(s')\} \geq \psi(S, Y)\right) \leq \alpha\]
最后一步由随机化检验的基本性质保证(在零假设下,\(\psi\{s', Y(s')\}\) 的分布是设计分布 \(P\) 的像,而 \(\psi(S, Y)\) 是该分布的一个实现)。

这个例子揭示了什么:整个检验的逻辑是"插补-支配-随机化"三步: 1. 插补:在零假设下,用观测结果和假设的效应上界 \(\delta\) 构造反事实结果的下/上界。 2. 支配:效应递增统计量保证插补矩阵产生的检验统计量不会超过真实潜在结果产生的统计量。 3. 随机化:在零假设下,检验统计量的分布由设计分布 \(P\) 决定,因此 p 值可以精确计算(通过枚举 \(\Omega\))。

为什么这个例子是"最小内核":\(N=1\) 消除了单元间交互,\(T=3\) 是最短的能容纳"处理前-处理后"对比的序列,\(K=2\) 是最小的非平凡开始时间集合。所有一般性结论——有效性、功效的 \(K_T^{-N}\) 衰减、对设计分布的依赖性——都可以在这个例子上直观理解,然后推广到一般 \(N, T, K\)。


三、这篇论文做了什么

三句话

  1. 研究了什么问题:在吸收性处理开始设计(多基线实验、交错采用、阶梯楔形试验)下,如何对单元-时期(cell)效应建立有界零假设和分位数零假设的有限样本有效随机化检验,并刻画其功效。
  2. 核心工具/方法:将 Caughey et al. (2023) 的"插补-支配-随机化"框架从单期完全随机化实验推广到吸收性开始设计,证明在处理持续时间无关性(假设1)下,效应递增统计量对所有开始时间设计均保持有限样本有效性;对分位数零假设,将 p 值上界转化为有限个单元集合上的最大值问题。
  3. 主要结论:(a) 有界零假设的检验在任意开始时间设计下有限样本有效;(b) 分位数零假设的检验同样有效,且 p 值可计算为有限最大值;(c) 功效由开始窗口大小 \(K_T\) 而非序列长度 \(T\) 决定,具体地,p 值随 \(K_T^{-N}\) 衰减;(d) 当假设1部分失效时,可通过敏感性分析(一个参数控制持续时间依赖,一个参数控制预期)保持有效性。

关键设定与假设

设定: - \(N\) 个单元,\(T\) 个时期,每个单元从可允许集合 \(\mathcal{S}\) 中随机抽取开始时间 \(S_i\),之后保持处理。 - 设计分布 \(P\) 已知,支撑 \(\Omega \subseteq \mathcal{S}^N\)。 - 潜在结果由开始时间索引:\(Y_{it}(s)\),\(s \in \mathcal{S}\)。 - 观测数据:\((S, Y)\),其中 \(Y = Y(S)\)。

核心假设(假设1:处理持续时间无关性): - (i) 若 \(\max(s, s') \leq t\)(两个开始时间下单元在时期 \(t\) 都已处理),则 \(Y_{it}(s) = Y_{it}(s')\); - (ii) 若 \(\min(s, s') > t\)(两个开始时间下单元在时期 \(t\) 都未处理),则 \(Y_{it}(s) = Y_{it}(s')\)。

统计含义:假设1意味着单元在时期 \(t\) 的结果只取决于其当前处理状态(处理/未处理),而不取决于处理持续了多久或何时开始。这等价于排除了持续时间依赖效应和预期效应。在阶梯楔形试验中,这要求处理效果不随时间累积或衰减,且单元不会因预期未来处理而改变行为。

相比已有工作的变化: - 相比 Caughey et al. (2023)(单期实验):本文允许每个单元有多个时期,且处理状态在时间上连续。 - 相比 Athey and Imbens (2022) 和 Roth and Sant'Anna (2023):本文不关注平均效应的估计效率,而是关注单元层面效应的检验有效性。 - 相比 Shaikh and Toulis (2021):本文不要求条件化于部分单元的分配,而是直接利用完整设计分布。

假设1失效的情形:论文第4节(正文未完全展开,但摘要提及)处理了假设1部分失效的情形——允许结果依赖处理持续时间(通过参数 \(\gamma\))或预期(通过参数 \(\eta\)),并发展敏感性分析。

主要结果

定理1(有界零假设的有效性):在假设1下,对任意开始时间设计 \(P\) 和任意效应递增统计量 \(\psi\),检验 \(H_{\leq \delta}\) 的 p 值 \(p_{S,\delta}\) 满足 \(P(p_{S,\delta} \leq \alpha) \leq \alpha\) 对所有 \(\alpha \in [0,1]\) 成立。

  • 直觉:在 \(H_{\leq \delta}\) 下,插补矩阵 \(\tilde{Y}(s')\) 逐元素支配真实潜在结果矩阵(处理单元被低估,未处理单元被高估),效应递增性保证 \(\psi\{s', \tilde{Y}(s')\} \geq \psi\{s', Y(s')\}\),因此 p 值被随机化检验的精确性质所控制。
  • 必要条件:假设1(处理持续时间无关性)和 \(\psi\) 的效应递增性。不需要任何分布假设、不需要大样本、不需要同质性。
  • 技术难点:处理单元-时期单元之间的相关性——同一单元的不同时期共享同一个开始时间,因此不能简单套用单期实验的独立性论证。论文通过逐单元分析(unit-by-unit domination)绕过这一难点。

定理2(分位数零假设的有效性):对分位数零假设 \(H^{B}_{k,c}\)(\(\mathcal{B}\) 中第 \(k\) 小的效应不超过 \(c\)),p 值 \(p_{S,k,c}\) 定义为所有满足约束的 \(\delta\) 上 \(p_{S,\delta}\) 的上确界,且该上确界等于有限最大值:

\[p_{S,k,c} = \max_{A \subseteq \mathcal{B}, |A| = B-k} p_{S,\delta(A)}\]
其中 \(\delta(A)\) 在 \(A\) 上取 \(+\infty\),在 \(\mathcal{B} \setminus A\) 上取 \(c\)。

  • 直觉:分位数零假设是多个有界零假设的并集,其 p 值应取所有成员假设 p 值的上确界。定理2表明,只需考虑 \(A\) 为 \(\mathcal{B}\) 的 \(B-k\) 元子集(即哪些单元的效应可以无界),且最优 \(A\) 由统计量的结构决定。
  • 技术难点:上确界到最大值的转化需要证明 p 值函数 \(p_{S,\delta}\) 在 \(\delta\) 的某些极端取值处达到上确界。论文利用效应递增性和 \(\delta(A)\) 的单调性证明这一结论。
  • 计算:当 \(B-k\) 较小时,枚举 \(\binom{B}{B-k}\) 个集合可行;否则使用定理3的包络线近似。

定理3(功效上界,均值对比):在假设1-3下,对常数效应 \(\tau_{it} = \delta + \Delta\)(\(\Delta > 0\)),均值对比检验的 p 值满足

\[p_{S,\delta} \leq \frac{(2\Lambda_T + 1)^N}{\beta K_T^N}, \quad \Lambda_T = \frac{16N}{\rho^3}\left(\frac{\sigma_{\max} L_T}{\Delta}\right)^2.\]
其中 \(\sigma_{\max}\) 是基线噪声的最大标准差,\(L_T\) 是假设3中的常数,\(\rho\) 是假设2中的窗口位置参数。

  • 直觉:p 值由"与真实开始时间不可区分的开始时间数量"决定。每个单元有 \(K_T\) 个可允许开始时间,但只有那些与真实开始时间相差不超过 \(\Lambda_T\) 个时期的开始时间才会产生与观测值接近的检验统计量。因此 p 值约为 \((\Lambda_T/K_T)^N\)。
  • 关键结论:功效由开始窗口大小 \(K_T\) 决定,而非序列长度 \(T\)。这与直觉一致——每个单元只随机化一次,因此有效样本量是 \(N\) 个单元乘以每个单元 \(K_T\) 个开始时间,而非 \(NT\) 个时期。
  • 必要条件:假设2(窗口位置:\(a_T \geq \rho T\) 且 \(T - a_T - K_T + 1 \geq \rho T\),即窗口前后都有足够长的基线期和随访期)、假设3(基线噪声的偏和增长受控,即 \(\left|\sum_{t=u}^v (Y^{(0)}_{it} - \mu_i)\right| \leq \sigma_i L_T \sqrt{v-u+1}\))。

定理4(功效上界,秩统计量):在假设1、2、4下,对 Wilcoxon 秩和统计量,p 值满足

\[p_{S,\delta} \leq \frac{(2\Lambda^R_T + 1)^N}{\beta K_T^N}, \quad \Lambda^R_T = \frac{25N}{\rho^8}\left(\frac{L^R_T}{\kappa}\right)^2.\]
其中 \(\kappa\) 是假设4中的秩效应强度,\(L^R_T\) 是假设4中的常数。

  • 直觉:秩统计量对基线分布的要求更弱(只需控制成对比较的翻转概率),但代价是信号强度从 \(\Delta/\sigma\) 变为 \(\kappa\)(秩效应强度),且对窗口位置参数 \(\rho\) 的依赖更强(\(\rho^{-8}\) vs \(\rho^{-3}\))。
  • 技术难点:秩统计量的效应递增性需要仔细验证——当插补矩阵中的单元被发送到 \(\pm\infty\) 时,秩的变化需要逐对分析。论文通过"翻转计数"(flip counting)论证。

定理5(最坏情形速率):结合定理3-4和命题3-4的下界,论文给出最坏情形下的精确速率:

\[\sup_{\mathcal{Y}} \mathbb{E}(p_{S,\delta}) \asymp \left(\frac{\Lambda_T}{K_T}\right)^N\]
其中 \(\mathcal{Y}\) 是满足相应假设的基线集合。上界和下界匹配到常数因子,表明 \(\Lambda_T/K_T\) 是决定功效的基本量。

  • 直觉:最坏情形下的 p 值由"不可区分窗口"与"总窗口"之比决定,这个比率是 \((\Lambda_T/K_T)^N\),其中 \(\Lambda_T\) 是噪声尺度与信号强度之比。
  • 技术难点:下界构造需要设计满足假设的基线,使得检验无法区分真实开始时间与 \(\Lambda_T\) 范围内的任何开始时间。论文使用"阶梯函数"基线构造。

证明路线与技术技巧

整体路线(以定理1为例): 1. 插补:在 \(H_{\leq \delta}\) 下,对每个单元 \(i\) 和反事实开始时间 \(s'_i\),构造插补行 \(\tilde{Y}_i(s'_i)\)。 2. 逐单元支配:证明对每个单元 \(i\),插补行 \(\tilde{Y}_i(s'_i)\) 在逐元素意义上被真实潜在结果行 \(Y_i(s'_i)\) 支配(处理单元被低估,未处理单元被高估)。 3. 统计量单调性:利用 \(\psi\) 的效应递增性,证明 \(\psi\{s', \tilde{Y}(s')\} \geq \psi\{s', Y(s')\}\) 对每个 \(s'\) 成立。 4. 随机化检验:由随机化检验的基本引理,\(P_{s'}\left(\psi\{s', Y(s')\} \geq \psi(S, Y)\right) \leq \alpha\) 在零假设下成立,因此 \(P_{s'}\left(\psi\{s', \tilde{Y}(s')\} \geq \psi(S, Y)\right) \leq \alpha\)。

关键引理: - 引理1(插补支配):在假设1下,对任意 \(i, t, s'_i\),插补值 \(\tilde{Y}_{it}(s'_i)\) 满足:若 \(W_{it}(s'_i) = 1\) 且 \(W_{it}(S_i) = 0\),则 \(\tilde{Y}_{it}(s'_i) = Y_{it} + \delta_{it} \geq Y^{(1)}_{it}\);若 \(W_{it}(s'_i) = 0\) 且 \(W_{it}(S_i) = 1\),则 \(\tilde{Y}_{it}(s'_i) = Y_{it} - \delta_{it} \leq Y^{(0)}_{it}\)。 - 引理2(效应递增性传递):若 \(\psi\) 是效应递增的,则对任意 \(s'\),\(\psi\{s', \tilde{Y}(s')\} \geq \psi\{s', Y(s')\}\)。 - 引理3(上确界有限化):对分位数零假设,p 值函数 \(p_{S,\delta}\) 在 \(\delta\) 取 \(\pm\infty\) 或 \(c\) 的极端值处达到上确界。

技术技巧点名: - 逐单元支配(unit-by-unit domination):将多维插补问题分解为每个单元的一维问题,避免处理单元间相关性。 - 闭式包络线:对 Wilcoxon 秩统计量,利用"翻转计数"给出 p 值的闭式上界,避免枚举所有 \(2^{B}\) 个插补矩阵。 - 最坏情形构造:下界证明使用"阶梯函数"基线,使得检验在 \(\Lambda_T\) 范围内无法区分开始时间。 - 随机化检验的精确性:不依赖任何渐近近似,p 值通过枚举设计分布 \(\Omega\) 精确计算。

真实例子与应用

应用(第7节):Laski et al. (1988) 的多基线实验数据,8 名自闭症儿童,父母接受自然语言范式训练,结果变量为每次 10 分钟游戏会话中发声的百分比(60 个 10 秒间隔的部分间隔记录)。数据来自 R 包 scdhlm。

  • 设计:\(N = 8\) 名儿童,\(T_i \in \{13, 13, 16, 17, 16, 14, 19, 20\}\) 个会话,开始时间 \(S_i \in \{5, 6, 8, 11, 8, 8, 9, 12\}\)。假设设计为独立均匀开始时间,窗口 \(\mathcal{S}_i = \{4, \ldots, T_i - 3\}\),\(K_i \in \{7, 7, 10, 11, 10, 8, 13, 14\}\)。
  • 分析:对每名儿童计算均值对比和 Wilcoxon 秩和的 p 值,然后合并(如 Fisher 方法)。
  • 结果:均值对比在 0.10 水平拒绝 \(H_{\leq 0}\)(p ≈ 0.039),秩和在 0.05 水平拒绝(p ≈ 0.045)。90% 置信下界为 \(\max_{i,t} \tau_{it} \geq 19.77\)(均值对比)和 \(\geq 19.04\)(秩和)。
  • 说明:该应用展示了方法在少量异质单元(\(N = 8\))下的可行性,以及如何通过枚举设计分布获得精确 p 值。

模拟(第6节): - 有效性检验:在零假设下(\(\tau = 0\)),均值对比和秩和的拒绝率在 0.05 水平约为 0.002-0.003(保守),在边界(\(\tau = \delta\))约为 0.053(接近名义水平)。这验证了定理1的保守性。 - 功效比较:在常数效应 \(\Delta\) 下,均值对比的功效随 \(K_T\) 增大而增大,随 \(N\) 增大而增大,但不随 \(T\) 增大而增大(当 \(K_T\) 固定时)。这验证了定理3的预测。 - 包络线精度:包络线 p 值与精确 p 值的差异随 \(B-k\) 增大而增大,但在 \(B-k \leq 3\) 时差异小于 0.05。

🔎 结论是否比证明窄

是,存在若干处:

  1. 定理1的适用范围:论文在正文中声称"对所有开始时间设计 \(P\) 有效",但证明中假设了设计分布 \(P\) 的支撑 \(\Omega\) 是乘积形式(即各单元独立随机化)。对于相关设计(如分层随机化、匹配设计),证明需要额外论证。论文在脚注中提及"乘积设计的证明可推广到更一般情形",但未给出细节。

  2. 定理3的常数:论文声称 p 值 \(\leq (2\Lambda_T + 1)^N / (\beta K_T^N)\),但证明中的常数 \(\Lambda_T = 16N\rho^{-3}(\sigma_{\max}L_T/\Delta)^2\) 依赖于 \(\rho\) 的下界。当 \(\rho\) 很小时(窗口靠近序列两端),常数会很大,实际功效可能远低于理论预测。论文在模拟中只报告了 \(\rho = 0.3\) 的情形。

  3. 定理4的秩统计量:论文声称 Wilcoxon 秩和统计量的 p 值上界为 \((2\Lambda^R_T + 1)^N / (\beta K_T^N)\),但证明中假设了无平局(no ties)。在实际数据中(如 Laski 数据),平局是常见的。论文在应用中使用"平局随机打破"(random tie-breaking),但未证明这种处理对有效性的影响。

  4. 假设1的敏感性分析:论文第4节(正文未完全展开)声称当假设1部分失效时,可通过敏感性分析保持有效性,但未给出具体的敏感性分析方法和理论保证。摘要中提及"一个参数控制持续时间依赖,一个参数控制预期",但正文中未详细展开。

  5. 功效下界的匹配:定理5声称上下界匹配到常数因子,但下界构造中的常数 \(c_0\) 和 \(c_1\) 是非构造性的(通过紧性论证),实际值未知。论文没有给出可操作的常数。


四、开放问题

以下开放问题均扎根于论文的具体语句:

  1. 相关设计下的有效性(扎根于定理1的证明):论文假设设计分布 \(P\) 的支撑为乘积形式。对于分层随机化、匹配设计或更一般的相关设计,定理1是否仍然成立?证明需要什么额外条件?——这是一个直接可做的理论问题,需要推广"逐单元支配"论证。

  2. 平局处理的理论保证(扎根于定理4的证明):论文在应用中使用"随机打破平局",但未证明这种处理对有限样本有效性的影响。Wilcoxon 秩和统计量在存在平局时的效应递增性需要重新验证。——这是一个中等难度的理论问题,可能需要引入随机化平局打破的耦合论证。

  3. 敏感性分析的完整理论(扎根于第4节的简述):当假设1部分失效时,论文声称可通过敏感性分析保持有效性,但未给出具体方法。如何构造同时控制持续时间依赖和预期的敏感性分析?参数 \(\gamma\) 和 \(\eta\) 的识别边界是什么?——这是一个有实质价值的问题,直接关系到方法在实际应用中的可信度。

  4. 功效下界的可操作常数(扎根于定理5的证明):下界构造中的常数 \(c_0\) 和 \(c_1\) 是非构造性的。能否给出显式的常数,使得 practitioners 可以计算最小可检测效应?——这是一个偏技术性的问题,可能需要更精细的构造。

  5. 最优统计量的选择(扎根于第5节的讨论):论文证明了均值对比和秩和统计量的功效上界,但没有讨论最优统计量的选择。在吸收性开始设计下,是否存在某种意义上的最优效应递增统计量?——这是一个更开放的问题,可能需要引入局部渐近框架或 minimax 准则。

  6. 扩展到非吸收性设计(扎根于第8节的讨论):论文聚焦于吸收性开始设计。如果处理可以退出(非吸收性),检验框架如何调整?"处理持续时间无关性"假设需要如何修改?——这是一个自然延伸,但可能涉及本质性的技术困难。


提醒:要确认上述问题是否为真 gap,建议去读以下子领域的近期论文(各约 5 篇)的引言: - 随机化推断在交错设计中的应用(Roth & Sant'Anna 2023 之后的后续工作) - 少量集群下的因果推断(Alvarez et al. 2025 之后的后续工作) - 敏感性分析在随机化推断中的最新进展

如果这些论文的引言都指向同一问题,那就是共识性 gap;如果它们互相矛盾,那可能是更值得挖掘的机会。


Maintained by 陈星宇 · Homepage · Source on GitHub

评论