Non-Robustness of the Cluster-Robust Inference: with a Proposal of a New Robust Method
聚类稳健推断的非稳健性及一种新的稳健方法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。
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：摘要讨论通用聚类推断与聚类规模不均衡，未明确面板结构或其他所列领域的专门研究对象。
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
聚类稳健推断的非稳健性及一种新的稳健方法
- 研究问题
- 样本包含少量大规模聚类时，常规聚类稳健标准误为何可能失效？如何通过加权调整，使推断更能应对高度不均衡的聚类规模？
- 方法与思路
- 作者分析聚类规模服从幂律分布时的常规方法，结合美国州聚类及论文实例说明问题，并提出加权聚类稳健方法，以模拟评估。
- 材料陈述的贡献
- 摘要称聚类规模幂律指数小于二时常规方法失效，并提出 WCR 作为修正；模拟支持其稳健性主张，但具体适用条件未展开。
- 阅读关注点
- 应核对失效结论的完整渐近设定、聚类规模与误差的关系、WCR 权重及目标参数，以及模拟是否覆盖少聚类和高杠杆情形。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明完整失效条件、权重公式及数值表现，不能认定 WCR 对所有聚类结构有效。
原文摘要
The conventional cluster-robust (CR) standard errors may not be robust. They are vulnerable to data that contain a small number of large clusters. When a researcher uses the 51 states in the U.S. as clusters, the largest cluster (California) consists of about 10% of the total sample. Such a case in fact violates the assumptions under which the widely used CR methods are guaranteed to work. We formally show that the conventional CR methods fail if the distribution of cluster sizes follows a power law with exponent less than two. Besides the example of 51 state clusters, some examples are drawn from a list of recent original research articles published in a top journal. In light of these negative results about the existing CR methods, we propose a weighted CR (WCR) method as a simple fix. Simulation studies support our arguments that the WCR method is robust while the conventional CR methods are not.