你每天查看一次 A/B 测试，看到“显著”就立刻上线。问题是，查看次数越多，越容易偶然撞上一个好看的结果：产品其实没有效果，实验却报了喜讯。传统 t 检验和 F 检验通常假定样本量事先固定，并不自动支持这种边看边停的做法。Michael Lindon 等人在 JASA 发表的论文，把“随时有效推断”带入线性模型，试图让持续监测与统计保证兼得。本文事实均来自论文摘要，尚无独立信源交叉印证。
不是少看几次，而是换一套检验
线性模型把结果写成多个因素影响的加总。例如，在分析点击率时，同时估计广告版本、地区和设备的关系。它也是实验做“回归调整”的基础工具：分析者把其他可观察因素纳入计算，以更精细地估计实验版本的影响。
论文提出了经典检验与置信集的序贯版本。所谓序贯，就是数据持续进入，分析也随之更新。它们属于 anytime-valid inference——无论研究者在哪个样本量查看或停止，都要统一控制第一类错误，也就是“实际无效却判断有效”的误报，并让置信集保持规定的覆盖率。
关键区别在这里：研究者并非继续使用传统 t/F 检验，只是更频繁地刷新页面；必须改用论文设计的序贯程序，并满足相应假设。
计算仍落在熟悉的回归工具上
这套构造基于 invariantly sufficient statistics 的似然比。可以把“充分统计量”理解为：它保留参数推断所需的信息；“不变”则表示构造不会因某些等价的数据表达方式而改变。似然比用于比较不同参数解释当前数据的相对支持程度。
论文称，最终公式可以直接写成普通最小二乘估计量和标准误的闭式表达式。普通最小二乘是常见的回归拟合方法；标准误用于描述估计结果的不确定程度。“闭式”意味着结果可由明确公式计算，不必把整套方法变成难以落地的黑箱。
作者还报告，这些检验在频率学派与贝叶斯两类备择假设下，满足 GROW/REGROW 准则所定义的最优性。这里需要收紧理解：这不是“全面优于所有方法”，而是在论文指定的备择假设和评价准则内最优。
从理想模型走向真实实验
严格线性模型下，论文给出的是有限样本保证：在所有样本量上统一控制误报并保证覆盖。作者随后放宽模型假设，提出异方差稳健的方法。异方差指不同用户或情境下，结果的波动大小并不相同，这在实际数据中并不罕见。
放宽假设后，保证也随之变化：论文提供的是渐近序贯检验和置信序列，也就是样本量增长时成立的统计保证，而非任意有限样本下完全相同的承诺。这套方法可用于随机对照实验中的因果估计，并支持序贯回归调整。
这使在线实验可以持续查看显著性，并在达到条件时提前停止，同时保留对应的序贯保证。论文用模拟和 Netflix 的真实 A/B 测试数据展示了应用。不过，摘要没有披露具体实验规模、数值结果或与其他方法的量化比较。
为什么值得关注
A/B 测试把用户随机分到两个版本，再用结果差异判断改版是否有效。实际团队很难真的等到预定日期才第一次看结果：仪表盘一直开着，成本、风险和业务节奏也会推动提前决策。
因此，这项工作的价值不在于替持续查看找一个事后借口，而是正面承认实验会被反复查看，并为这种工作方式重新设计回归推断。它把经典线性模型、在线监测和回归调整因果分析放进同一套序贯框架。
局限与未知
- 目前材料只有论文摘要，无法核查证明条件、实现细节及模拟设置。
- 严格线性模型的有限样本保证，与异方差稳健方法的渐近保证不能混为一谈。
- Netflix 案例说明方法被用于一组真实数据，不能单独证明它普遍优于其他方案。