← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 1067.a.1 · 生成模型:GPT-6(Codex)

区组回归调整背景差异

理解等级:中级

以实验单元指标Y为因变量,处理标识exp与区组标签Block共同进入回归,可估计调整区组差异后的处理系数。多类别区组应作为类别编码并设参考项,而不是默认编号之间有线性距离。分析须与分层随机化及权重设计匹配;仅把各层合并做未调整的检验,不自动获得声称的全部降方差收益。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第8章 提高实验效能 8.3 随机区组实验应用步骤 · 查看原书依据

      Y = α + β1 × exp + β2 × Block + ε 其中,β1就是简单A/B实验中的β,新加入一个代表区组的类别变量Block。如果实验中的区组只有两个,那么Block变量的取值也只能是0和1,β2也就是一个单纯的回归系数;如果有多个区组,那么β2和Block就各自代表了一个一维向量,回归方程系数的个数还会继续增加。

    参考来源

    - 位置:《数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow》第8章 提高实验效能,8.3 随机区组实验应用步骤(来源项目a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/数据科学工程实践 用户行为分析与建模、AB实验、SQLFlow/_epub-src/OEBPS/Text/part0045.xhtml) - 结论依据:原文把Y=α+β1×exp+β2×Block作为区组评估模型,并说明多区组需要向量系数。 - 原始内容:Y = α + β1 × exp + β2 × Block + ε 其中,β1就是简单A/B实验中的β,新加入一个代表区组的类别变量Block。如果实验中的区组只有两个,那么Block变量的取值也只能是0和1,β2也就是一个单纯的回归系数;如果有多个区组,那么β2和Block就各自代表了一个一维向量,回归方程系数的个数还会继续增加。