Permutation Inference under Multi-way Clustering and Missing Data
多维聚类与缺失数据下的置换推断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：摘要提供一般多维聚类回归推断，未明确面板、网络或其他所列领域的具体数据结构。
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
多维聚类与缺失数据下的置换推断
- 研究问题
- 有效聚类数较少或数据重尾时，如何在多维聚类线性回归中实现有限样本有效的显著性检验，并处理缺失数据？
- 方法与思路
- 作者以误差的条件交换性为基础构造置换检验，讨论其与分别交换性的关系，并扩展到存在缺失观测的情形。
- 材料陈述的贡献
- 摘要称建立有限样本有效性和功效保证，揭示缺失数据下可检测性的相变，并在模拟中展示尺寸控制和有竞争力的功效。
- 阅读关注点
- 应核对条件交换性对应的允许置换、协变量限制、缺失机制，以及功效相变的参数范围和模拟中的聚类结构。
- 阅读边界
- 这是预印本，同行评审及期刊接收未核实。摘要未完整说明交换性与缺失条件，不能推断其适用于任意聚类或缺失机制。
原文摘要
Econometric applications with multi-way clustering often feature a small number of effective clusters or heavy-tailed data, making standard cluster-robust and bootstrap inference unreliable in finite samples. In this paper, we develop a framework for finite-sample valid permutation inference in linear regression with multi-way clustering under an assumption of conditional exchangeability of the errors. Our assumption is closely related to the notion of separate exchangeability studied in earlier work, but can be more realistic in many economic settings as it imposes minimal restrictions on the covariate distribution. We construct permutation tests of significance that are valid in finite samples and establish theoretical power guarantees, in contrast to existing methods that are justified only asymptotically. We also extend our methodology to settings with missing data and derive power results that reveal phase transitions in detectability. Through simulation studies, we demonstrate that the proposed tests maintain correct size and competitive power, while standard cluster-robust and bootstrap procedures can exhibit substantial size distortions.