Subsampling Under Two-way Clustering with Serial Correlation
存在序列相关时双向聚类面板的子抽样推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：研究直接针对具有双向聚类和时间序列相关的面板数据推断。
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
存在序列相关时双向聚类面板的子抽样推断
- 研究问题
- 双向聚类面板的时间效应存在序列相关时，如何构造有效推断，尤其在估计量极限分布可能非高斯的情况下建立置信区间？
- 方法与思路
- 作者从随机划分的个体索引集合和连续时间块中无放回抽取子样本，分别提出直接估计分位数与先估计渐近方差的推断方法。
- 材料陈述的贡献
- 摘要称，分位数方法适用于非高斯极限，方差方法在高斯极限下提供数据驱动带宽和适用估计量的偏差校正；模拟亦考察覆盖率。
- 阅读关注点
- 应核对子抽样方案、时间块长度与有效性条件、两类方法的适用边界，以及极强序列相关下覆盖率偏离的原因和程度。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未列出完整条件和覆盖率数值，关于首次处理该问题的声明尚未独立核验。
原文摘要
We prove the validity of using subsampling method for inference under a two-way clustered panel in which the time effects are serially correlated. Subsamples should be drawn without replacement from randomly partitioned individual index set and consecutive blocks of time effects. We present two subsampling inference methods: estimating the quantiles directly and constructing the confidence interval by first estimating the asymptotic variance. The quantile method is very adaptive, allowing for non-Gaussian limit which invalidates all existing methods in two-way clustering with serial correlation. Although the variance method only works under Gaussian limit, it comes with a data-driven bandwidth selection algorithm and a bias-correction under suitable estimators. Monte Carlo simulations demonstrate our methods exhibiting the desired coverage level in the finite sample except when the serial correlation is extremely strong. This paper is the first one that allows for inference on non-Gaussian asymptotics under two-way clustering with serial correlation.