配对试验遇上二元结局：区间还能精确算

你想比较两种提醒方式能否提高按时服药率。研究者先把情况相近的人两两配对，再在每对中随机选一人接受新提醒。结果只有“按时”或“没按时”。问题看似只是数一数成功人数，真正棘手的却是：每个人接受另一种安排时会怎样，我们永远看不到。

Bob Wilson 的 arXiv 预印本研究的正是这类问题。它为配对研究中的二元结局——只有成功和失败两个取值——构造平均处理效应（average treatment effect，ATE）的随机化置信集。方法不要求处理只会帮忙、不会害人，也不预设结果服从某种分布；在随机试验里，它依赖的概率来源只有每对内部那次公平的随机分配。

本文所有方法、复杂度与效果判断均来自这篇尚未获独立复现或第三方评述的预印本。

难点不在计数，而在没看见的另一种人生

配对随机试验先把特征相近的对象组成一对，再随机决定谁接受处理。这样，比较主要发生在相似对象之间，可以减少背景差异带来的噪声。

但因果效应仍涉及“潜在结果”：同一个人在接受和不接受处理时各会有什么结果。现实只展示其中一个。对二元结局来说，处理既可能把失败变成成功，也可能把成功变成失败。因此，假定处理对任何人都不会造成反效果的“单调性”虽然方便，却未必合理。

论文改用“可归因效应”（attributable effect）拆解问题。它分别考察处理组和对照组：处理让多少成功出现，又让多少本可出现的成功消失，取两者的净值。这两个量会随随机分配而变，但二者可以组合成这批受试对象的 ATE。前者和后者得到的是预测集；组合后，才得到固定有限总体参数 ATE 的置信集。

这里的“随机化推断”也值得说清。它不先假定数据服从正态分布，而是追问：如果每对内部重新公平抛一次硬币来分配处理，眼前这么极端的结果有多罕见？所谓“精确”，指覆盖保证来自有限样本的随机化分布，不依赖样本足够大时才成立的近似；它不应被理解为实际覆盖率必然恰好等于名义水平。

原本要遍历许多可能，论文只看一个角点

检验某个效应值时，研究者必须考虑所有与已观察数据相容的潜在结果安排。拒绝一个复合原假设，意味着这些可能的安排必须全部被拒绝。困难也在这里：可能的个体效应模式很多，直接搜索会迅速变成组合计算问题。

论文使用 McNemar 检验来组织这些可能。McNemar 检验专门处理成对的二元结果，核心关注“结局不一致”的配对：一人成、一人败。若处理确实在每对内随机分配，那么在由原假设推导出的不一致配对中，成功者落到处理侧的次数服从 Binomial（二项）参考分布。

关键一步是把大量潜在结果模式压缩成一个二维整数区域。论文给出两个利用二项分布对称性的单调性引理：沿一个方向移动，尾概率持续下降；到了边界后，沿另一个方向移动，尾概率又按确定方向变化。于是，最难拒绝的安排不是藏在区域内部，而落在唯一的边界角点。

可以把它想成给一张有许多格子的地图找最高点。通常要逐格查看，甚至调用整数规划求解器；这里则先证明坡度始终朝固定方向走，因此直接去那个角落即可。按照论文的结论，每次检验只需计算一个 Binomial 尾概率，不需要整数规划，也不需要数值搜索。

从一次检验，反推出整段区间

有了最坏角点，下一步是“反演检验”：依次询问每个候选效应值是否会被数据拒绝，保留没有被拒绝的值。论文证明最坏情形的尾概率会随候选效应有规律地变化，因此不用逐个扫描，可以用二分搜索定位端点。

作者称，可归因效应的预测集只需 $O (\log S)$ 次 Binomial 尾概率计算。这里的 $S$ 是论文复杂度表述中的搜索尺度；现有材料没有给出足以稳妥转述的确切定义。这个复杂度也只统计尾概率计算的次数，没有展开单次计算的成本。

处理组和对照组各得到一个预测集后，论文采用 Rigdon and Hudgens（2015）的 Bonferroni 命题把两者组合为 ATE 置信集。Bonferroni 是一种为多项推断预留错误概率的方法：分别把门槛设得更严格，以保证联合覆盖至少达到目标水平。论文特别提醒，直接合并两个未经调整的预测集并不能保证覆盖。代价是区间可能偏保守，但总计算量仍是四次二分搜索，量级保持在 $O (\log S)$ 。

论文还给出连续性校正的 Gaussian（高斯）近似，可用闭式表达式近似区间端点。不过，这属于大样本捷径；论文的主要卖点仍是可以直接计算有限样本的随机化区间。

为什么这件事值得关注

这项工作的价值，不是又发明了一个更复杂的优化器，而是证明优化器在这个问题里可以省掉。此前相关工作或依赖单调性，或在分层、配对情形中需要搜索潜在结果表，甚至使用整数规划。本文把最坏情形解析地钉在一个角点，让“不加单调性”的精确随机化推断仍具有轻量计算路径。

它也澄清了常见 McNemar 区间与这里的区别。两者可以得到相同形式的点估计：观察到的两类不一致配对数量之差。但传统做法把配对结果看作从某个人群分布中抽样，目标是总体边际成功率之差；本文针对眼前这批对象的有限总体因果效应，覆盖依据是处理如何随机分配。点估计相同，不代表推断目标和区间宽度相同。论文的示例显示，放弃单调性并加入 Bonferroni 调整后，随机化区间可能明显更宽；这是减少模型假设所付出的代价。

作者还把同一个角点方法扩展到配对观察性研究。观察性研究没有真实的随机抛硬币，因此采用 Rosenbaum $Γ$ -model：用参数 $Γ$ 限制同一对中两人因未观测因素而产生的处理概率差异。 $Γ = 1$ 对应对内等概率； $Γ$ 越大，允许的隐藏偏差越强。方法据此给出敏感性区间和调整后的 $p$ 值，而不是宣称观察性研究已经摆脱未观测混杂。

论文还给出设计敏感度（design sensitivity）的公式。这个量描述样本不断增大时，一项观察性研究最多能抵抗多强的隐藏偏差；超过该阈值，再增加样本也无法拒绝“没有净处理效应”的原假设。它在观察性研究中扮演的角色，近似于试验设计里的功效分析。

局限与未知

目前证据只有一篇 arXiv 预印本。两个对称性引理、唯一角点及其适用条件，尚缺少独立复现和同行评议的交叉核验。
ATE 置信集通过 Bonferroni 组合获得，覆盖率是至少达到名义水平，不等于必然恰好命中；这种构造通常也可能偏保守。
观察性研究的扩展依赖 Rosenbaum $Γ$ -model。它回答的是“结论能承受多强的假定隐藏偏差”，不能证明隐藏混杂不存在。