知识卡片
饱和度为0和1的簇提供无偏对照
内容
如果[[随机饱和度实验的两层随机化]]的设计里刚好存在饱和度为0（完全不处理）和饱和度为1（完全处理）的簇，这两类簇本身就是未受污染的纯对照组和纯实验组，直接比较它们就能得到无偏的处理效应估计。但很多业务场景不允许出现这两种极端饱和度（比如有益产品想尽快覆盖所有人、有风险产品只能小流量测试），这时就需要借助处理饱和度和结果之间的线性关系假设，用回归模型间接估计出全量处理效应。
参考来源
- 位置：《数据科学工程实践》第9章《特殊场景下的实验设计和分析方法》"9.1.1 使用随机饱和度实验减少实验对象之间的影响"一节（源文件：_epub-src/OEBPS/Text/part0050.xhtml）
- 结论依据：原文明确"如果存在实验饱和度为0的簇，此簇中的实验对象可视为无污染的控制组。如果存在实验饱和度为1的簇，此簇中的实验对象可视为无污染的实验组"，并说明"如果没有实验饱和度为0和1的簇，也可以通过假设实验饱和度和处理效应的线性关系，运用线性模型……估计处理效应的大小"，因为"业务场景要求不能有实验饱和度为0或者1的簇"。
- 原始内容：如果存在实验饱和度为0的簇，此簇中的实验对象可视为无污染的控制组。如果存在实验饱和度为1的簇，此簇中的实验对象可视为无污染的实验组……如果没有实验饱和度为0和1的簇，也可以通过假设实验饱和度和处理效应的线性关系，运用线性模型……道理很简单，因为有时业务场景要求不能有实验饱和度为0或者1的簇。比如某个预计有益的产品想尽早全量上线以惠及更多的顾客，于是不能有实验饱和度为0的簇；或者某个有风险的产品只能采用小流量测试，因此不能有实验饱和度为1的簇。