跳到正文
← 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:摘要明确研究实验分析中的设计推断及处理效应常用线性估计量的方差。

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
Joel A. Middleton

统一设计推断:实验中线性估计量方差的界定与估计

研究问题
如何在统一的设计推断框架中处理不同实验设计、线性估计量和方差界,并解释常用稳健及聚类稳健标准误的来源?
方法与思路
作者以实验设计、估计量和方差界的组合为对象构建方差估计框架,使用矩阵谱分析支持系统比较,并展示常见标准误作为特例。
材料陈述的贡献
摘要称,所提方差估计量包含异方差稳健和聚类稳健标准误,并为广泛的设计、估计量与方差界组合提供更一般的设计解释。
阅读关注点
应核对线性估计量的定义、方差界的可识别性与保守性,以及常用标准误成为特例的具体设计条件和矩阵谱比较方法。
阅读边界
所给版本为 arXiv 预印本,同行评审与期刊接收未核实;摘要未说明框架的全部适用限制,题名中的任意性不能替代具体条件。

原文摘要

This paper provides a design-based framework for variance (bound) estimation in experimental analysis. Results are applicable to virtually any combination of experimental design, linear estimator (e.g., difference-in-means, OLS, WLS) and variance bound, allowing for unified treatment and a basis for systematic study and comparison of designs using matrix spectral analysis. A proposed variance estimator reproduces Eicker-Huber-White (aka. "robust", "heteroskedastic consistent", "sandwich", "White", "Huber-White", "HC", etc.) standard errors and "cluster-robust" standard errors as special cases. While past work has shown algebraic equivalences between design-based and the so-called "robust" standard errors under some designs, this paper motivates them for a wide array of design-estimator-bound triplets. In so doing, it provides a clearer and more general motivation for variance estimators.

笔记与分组
相关领域论文