我认为您对随机化推理零假设的陈述是不正确的。或者至少，您混淆了两种检验假设的方法与两种不同的假设。随机化测试又名排列测试考虑在治疗/对照受试者之间随机交换“标签”时获得的测试统计数据的精确或近似分布。这可用于通过计算每个置换数据集的 t 检验统计量并评估这些超过未置换数据集中获得的比例的比例来测试没有平均治疗效果的弱零假设。

在这篇工作文章中，他们构建了治疗效果变化的假设作为平均治疗效果被认为是令人讨厌的参数的同质性之一：基本上“我不在乎这种药物是否有效，我只是想知道它在某些人中的作用是否与在其他人中的作用不同。” 第一个假设的效果，通常使用平行设计分析进行测试，称为平均治疗效果（ATE），第二个假设在这里被称为治疗效果变异（TEV）。在没有已知效果修饰符的情况下，TEV 的测试类似于效果修饰测试，并且类似于亚组分析。对 TEV 使用随机化测试是一种新颖且有趣的方法，值得深入阅读这篇文章，以了解他们如何准确地制定这样的测试。

总结一下这两个假设在表中是如何一致或不一致的：$2 \times 2$

案例 1：ATE 没有 TEV：该药物有效，并且无论如何它对每个人都有相同的潜在结果。解决方案：如果有害不推荐，建议批准/使用前考虑效果大小。

案例 2：没有 ATE 没有 TEV：该药物对任何人都不起作用。解决方案：得出结论药物相对于护理标准是徒劳的。

案例 3：没有 ATE，TEV：药物在个体中的作用是人为的，使得某些人的危害和其他人的益处完全平衡。解决方案：确定危害/益处亚组的指标/禁忌症，如果预测的益处具有临床意义，则进行后续研究。

案例 4：ATE、TEV：药物显示出一些平均效果，但这种效果在每个人中并不相同。解决方案：如果有危害组，则确定禁忌症，预测剩余组的益处，如果有临床意义，则进行后续研究。

我发现这个关于 t 检验 p 值和 RI p 值之间差异的讨论很有帮助，它说明了我在上面提出的问题。

作者：Don Green 来源：https ://egap.org/resource/10-things-to-know-about-randomization-inference/

当观察数较少且结果分布非正态时，随机化推断可能会给出与传统测试不同的 p 值

传统的 p 值通常依赖于假设结果是正态分布的近似值，或者主题池足够大以使检验统计量遵循假定的抽样分布。当结果高度偏差时，例如捐赠（少数人捐赠大笔款项，但绝大多数人什么都不捐赠），传统方法可能会产生不准确的 p 值。Gerber 和 Green，Field Experiments，（2012 年，第 65 页）给出了以下示例，其中随机化推断和常规测试统计产生不同的结果：