Some Impossibility Results for Inference With Cluster Dependence with Large Clusters
存在大簇时簇依赖推断的若干不可能性结果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：摘要讨论一般簇依赖下的推断边界，未明确面板、网络或时间序列模型，领域细分证据不足。
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
存在大簇时簇依赖推断的若干不可能性结果
- 研究问题
- 当观测存在簇内依赖且研究者缺乏依赖结构信息时，大簇的数量和规模如何限制均值判别与长期方差的一致估计？
- 方法与思路
- 作者研究均值一致判别的不可能性，在簇内一致中心极限定理下给出充分条件，并刻画长期方差可估计的簇结构。
- 材料陈述的贡献
- 摘要称，单一大簇下均值不可一致判别；特定条件下至少两个大簇足以支持根号样本量尺度判别，并给出方差估计边界。
- 阅读关注点
- 应核对大簇与一致判别的正式定义、结果针对的分布类，以及两个大簇的充分条件为何不同于长期方差可估计条件。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未给出完整条件，不能据此否定所有具有额外结构信息的簇推断。
原文摘要
This paper focuses on a setting with observations having a cluster dependence structure and presents two main impossibility results. First, we show that when there is only one large cluster, i.e., the researcher does not have any knowledge on the dependence structure of the observations, it is not possible to consistently discriminate the mean. When within-cluster observations satisfy the uniform central limit theorem, we also show that a sufficient condition for consistent $\sqrt{n}$-discrimination of the mean is that we have at least two large clusters. This result shows some limitations for inference when we lack information on the dependence structure of observations. Our second result provides a necessary and sufficient condition for the cluster structure that the long run variance is consistently estimable. Our result implies that when there is at least one large cluster, the long run variance is not consistently estimable.