FAQ
zu zlb.de

Verfasser: Alzubaidi, Samirah H. Higgins, Michael J. Erschienen: Berlin: ˜deœ Gruyter, 2024
URN: urn:nbn:de:101:1-2406151707558.527977938106
Pfad:
Detecting treatment interference under K-nearest-neighbors interference

Dateien

Journal of causal inference

Zeitschrift

Titel:
Journal of causal inference
Erschienen:
Berlin: ˜deœ Gruyter
Fußnote:
Gesehen am 28.07.14
Open Access
Namensnennung 4.0 International
C!z LF gelöscht(28-07-14)
Umfang:
Online-Ressource
ISSN:
2193-3685
ZDB-ID:
2742570-8 ZDB
Schlagworte:
Zeitschrift
ZLB-Systematik:
Mathematik
Wirtschaft
Sammlung:
Mathematik
Wirtschaft
Copyright:
Rechte vorbehalten
Zugriffsberechtigung:
Freier Zugang
Titel:
Journal of causal inference
Erschienen:
Berlin: ˜deœ Gruyter
Fußnote:
Gesehen am 28.07.14
Open Access
Namensnennung 4.0 International
C!z LF gelöscht(28-07-14)
Umfang:
Online-Ressource
ISSN:
2193-3685
ZDB-ID:
2742570-8 ZDB
Schlagworte:
Zeitschrift
ZLB-Systematik:
Mathematik
Wirtschaft
Sammlung:
Mathematik
Wirtschaft
Copyright:
Rechte vorbehalten
Zugriffsberechtigung:
Freier Zugang

Detecting treatment interference under K-nearest-neighbors interference

Aufsatz

Verfasser:
Alzubaidi, Samirah H.
Higgins, Michael J.
Titel:
Detecting treatment interference under K-nearest-neighbors interference
Erschienen:
Berlin: ˜deœ Gruyter, 2024
Sprache:
Englisch
Zusammenfassung:
Abstract: We propose a model of treatment interference where the response of a unit depends only on its treatment status and the statuses of units within its K-neighborhood. Current methods for detecting interference include carefully designed randomized experiments and conditional randomization tests on a set of focal units. We give guidance on how to choose focal units under this model of interference. We then conduct a simulation study to evaluate the efficacy of existing methods for detecting network interference. We show that this choice of focal units leads to powerful tests of treatment interference that outperform current experimental methods.
Umfang:
Online-Ressource
Fußnote:
Open Access
Archivierung/Langzeitarchivierung gewährleistet
Schlagworte:
causal inference ; networks ; peer effects ; randomized experiment ; spillover ; 62G10
ZLB-Systematik:
Mathematik
Wirtschaft
Sonstiges
URN:
urn:nbn:de:101:1-2406151707558.527977938106
Sammlung:
Mathematik
Wirtschaft
Sonstiges
Copyright:
CC BY
Zugriffsberechtigung:
Freier Zugang
Verfasser:
Alzubaidi, Samirah H.
Higgins, Michael J.
Titel:
Detecting treatment interference under K-nearest-neighbors interference
Erschienen:
Berlin: ˜deœ Gruyter, 2024
Sprache:
Englisch
Zusammenfassung:
Abstract: We propose a model of treatment interference where the response of a unit depends only on its treatment status and the statuses of units within its K-neighborhood. Current methods for detecting interference include carefully designed randomized experiments and conditional randomization tests on a set of focal units. We give guidance on how to choose focal units under this model of interference. We then conduct a simulation study to evaluate the efficacy of existing methods for detecting network interference. We show that this choice of focal units leads to powerful tests of treatment interference that outperform current experimental methods.
Umfang:
Online-Ressource
Fußnote:
Open Access
Archivierung/Langzeitarchivierung gewährleistet
Schlagworte:
causal inference ; networks ; peer effects ; randomized experiment ; spillover ; 62G10
ZLB-Systematik:
Mathematik
Wirtschaft
Sonstiges
URN:
urn:nbn:de:101:1-2406151707558.527977938106
Sammlung:
Mathematik
Wirtschaft
Sonstiges
Copyright:
CC BY
Zugriffsberechtigung:
Freier Zugang
Waiting...

Nutzerhinweis

Sehr geehrte Benutzerin, sehr geehrter Benutzer,

aufgrund der aktuellen Entwicklungen in der Webtechnologie, die im Goobi viewer verwendet wird, unterstützt die Software den von Ihnen verwendeten Browser nicht mehr.

Bitte benutzen Sie einen der folgenden Browser, um diese Seite korrekt darstellen zu können.

Vielen Dank für Ihr Verständnis.