The Wild Bootstrap with a “Small” Number of “Large” Clusters
少量大簇情形下的野生自助法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：摘要研究一般聚类推断理论，未限定面板、因果设计或其他所列细分模型。
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…
少量大簇情形下的野生自助法
- 研究问题
- 簇数较少而每簇规模较大时，野生自助检验何时仍然有效？学生化处理和非线性模型中的得分检验会怎样影响过度拒绝？
- 方法与思路
- 作者在少量大簇的渐近框架下，分别分析未学生化、学生化及得分bootstrap检验，考察协变量分布限制与拒绝概率。
- 材料陈述的贡献
- 摘要称，未学生化检验在含协变量分布类似同质性限制的条件下有效；学生化版本的过度拒绝幅度随簇数增加呈指数下降。
- 阅读关注点
- 应核对簇数与簇规模的渐近设定、协变量同质性限制的精确定义，以及学生化和得分检验拒绝概率界成立的条件。
- 阅读边界
- 摘要未提供概率界的常数、完整假设或适用样本范围，不能理解为任意少量簇设计均可直接使用野生自助法。
原文摘要
Abstract This paper studies the wild bootstrap–based test proposed in Cameron, Gelbach, and Miller (2008). Existing analyses of its properties require that number of clusters is “large.” In an asymptotic framework in which the number of clusters is “small,” we provide conditions under which an unstudentized version of the test is valid. These conditions include homogeneity-like restrictions on the distribution of covariates. We further establish that a studentized version of the test may only overreject the null hypothesis by a “small” amount that decreases exponentially with the number of clusters. We obtain a qualitatively similar result for “score” bootstrap-based tests, which permit testing in nonlinear models.