A Modified Randomization Test for the Level of Clustering
聚类层级的修正随机化检验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论通用线性回归的聚类层级与推断稳健性，未明确涉及面板、因果识别或其他所列专门方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
聚类层级的修正随机化检验
- 研究问题
- 线性回归中已按县聚类、但仅确定州之间独立时，如何检验所选聚类层级是否稳妥，尤其是在州数与县数都较少的情况下？
- 方法与思路
- 作者提出修正随机化检验，作为既定聚类层级的稳健性检查，专门面向较少上层与下层聚类的情形，并考察检验保守性与功效。
- 材料陈述的贡献
- 摘要称，该方法针对现有检验需大量州或县的限制，允许两层聚类数量均少；虽然检验保守，但在部分经验相关设定中功效有竞争力。
- 阅读关注点
- 应核对检验原假设、随机化依据及层内相关限制，检查少量聚类下的有效性保证，并理解保守性与功效比较所对应的具体设计。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；随机化条件、有效性形式和模拟数值未说明，不能将检验结果视为聚类独立性的证明或推断刊本变化。
原文摘要
Suppose a researcher observes individuals within a county within a state. Given concerns about correlation across individuals, it is common to group observations into clusters and conduct inference treating observations across clusters as independent. However, a researcher that has chosen to cluster at the county level may be unsure of their decision, given knowledge that observations are independent across states. This article proposes a modified randomization test as a robustness check for the chosen level of clustering in a linear regression setting. Existing tests require either the number of states or number of counties to be large. Our method is designed for settings with few states and few counties. While the method is conservative, it has competitive power in settings that may be relevant to empirical work.