Statistical Inference with Mixed-Effect Model for Covariate-Adaptive Randomized Experiments
报告人简介
2014年本科毕业于人民大学统计学院， 2022年博士毕业于乔治华盛顿大学统计学专业。毕业后加入中国人民大学统计与大数据研究院任助理教授、博士生导师、准聘副教授。研究兴趣包括：复杂场景下的自适应试验设计，临床试验设计与分析、业界A/B试验设计。
讲座内容介绍
近期临床研究常包含水平数众多的长因子（如研究中心），会产生大量层，需在试验设计或后续分析中加以考虑。美国食品药品监督管理局（FDA，2023）指出：当层数较多时，传统统计方法性能下降、理论性质不明，其适用性存疑。本文首次将混合效应模型用于协变量自适应随机化试验，给出严谨理论方案。研究表明，存在多水平长因子时，混合效应估计处理效应的方差低于固定效应估计；该方差缩减源于随机化带来的边际不平衡，说明更精细的协变量平衡设计可提升推断效率与检验功效。同时证明，样本量趋于无穷时，混合效应与固定效应估计量渐近等价。本文理论结果经模拟与临床试验实例验证，为含大量分层的临床试验设计与分析提供新见解。
