Small-Sample Methods for Cluster-Robust Variance Estimation and Hypothesis Testing in Fixed Effects Models
固定效应模型中聚类稳健方差估计与假设检验的小样本方法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：摘要明确以面板固定效应回归及其聚类稳健推断为研究对象，重点处理少量聚类下的方差修正与检验，属于面板数据方法。
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
固定效应模型中聚类稳健方差估计与假设检验的小样本方法
- 研究问题
- 固定效应回归在聚类数较少时，如何修正聚类稳健方差的向下偏差，并改善单参数及多参数假设检验的第一类错误控制？
- 方法与思路
- 作者将偏差缩减线性化推广到任意固定效应组合，并说明吸收固定效应后的实现；结合 Satterthwaite 近似，提出多参数小样本检验。
- 材料陈述的贡献
- 摘要称，模拟中常规聚类稳健 Wald 检验可能严重过度拒绝，而新检验的第一类错误率接近名义水平；方法已在 R 包 clubSandwich 中实现。
- 阅读关注点
- 应核对工作模型如何构造方差修正、任意固定效应及吸收处理的适用条件，以及有效自由度、多参数近似和模拟中的聚类结构。
- 阅读边界
- 摘要未交代各情景的聚类数量、规模及工作模型设定；接近名义水平是作者报告的模拟结果，不能视为所有小样本下的精确保证。
原文摘要
In panel data models and other regressions with unobserved effects, fixed effects estimation is often paired with cluster-robust variance estimation (CRVE) to account for heteroscedasticity and un-modeled dependence among the errors. Although asymptotically consistent, CRVE can be biased downward when the number of clusters is small, leading to hypothesis tests with rejection rates that are too high. More accurate tests can be constructed using bias-reduced linearization (BRL), which corrects the CRVE based on a working model, in conjunction with a Satterthwaite approximation for t-tests. We propose a generalization of BRL that can be applied in models with arbitrary sets of fixed effects, where the original BRL method is undefined, and describe how to apply the method when the regression is estimated after absorbing the fixed effects. We also propose a small-sample test for multiple-parameter hypotheses, which generalizes the Satterthwaite approximation for t-tests. In simulations covering a wide range of scenarios, we find that the conventional cluster-robust Wald test can severely over-reject while the proposed small-sample test maintains Type I error close to nominal levels. The proposed methods are implemented in an R package called clubSandwich. This article has online supplementary materials.