Inference with a Single Treated Cluster
仅有一个处理簇时的统计推断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。
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：摘要明确以单处理簇研究设计及双重差分为主要应用，讨论相应处理效应参数的推断。
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
仅有一个处理簇时的统计推断
- 研究问题
- 在簇数量固定、簇间异质且只有一个簇接受处理时，如何对标量参数进行有效检验，尤其适用于常见的双重差分设计？
- 方法与思路
- 作者将加权、近似高斯的簇级参数估计与重排程序结合确定临界值，在簇内样本增大而簇数固定的框架下分析检验性质。
- 材料陈述的贡献
- 摘要称，检验在所述渐近框架下控制尺寸并具有功效，对簇间方差差异较稳健；临界值计算简单，无需模拟或重抽样。
- 阅读关注点
- 应核对簇级估计近似高斯的条件、簇间依赖限制、权重表的适用范围，以及方差高度不均衡时的尺寸和功效表现。
- 阅读边界
- 仅据所给Crossref摘要，无法判断最少簇数、跨簇依赖限制及小簇内样本表现；固定簇数渐近依赖簇内观察数增大。
原文摘要
Abstract I introduce a generic method for inference about a scalar parameter in research designs with a finite number of heterogeneous clusters where only a single cluster received treatment. This situation is commonplace in difference-in-differences estimation, but the test developed here applies more broadly. I show that the test controls size and has power under asymptotics where the number of observations within each cluster is large but the number of clusters is fixed. The test combines weighted, approximately Gaussian parameter estimates with a rearrangement procedure to obtain its critical values. The weights needed for most empirically relevant situations are tabulated in the paper. Calculation of the critical values is computationally simple and does not require simulation or resampling. The rearrangement test is highly robust to situations where some clusters are much more variable than others. Examples and an empirical application are provided.