Some impossibility results for inference with cluster dependence with large clusters
含大簇的簇内依赖推断：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。
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：摘要讨论通用簇依赖推断的理论边界，未给出足以归入所列应用细分领域的证据。
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
含大簇的簇内依赖推断：若干不可能性结果
- 研究问题
- 当样本含大簇且簇内依赖结构缺乏信息时，均值能否被一致区分，长期方差又在何种簇结构下可一致估计？
- 方法与思路
- 作者在簇依赖框架中推导均值判别的不可能性结果，讨论一致中心极限定理下的充分条件，并刻画方差可估计性。
- 材料陈述的贡献
- 摘要称，单一大簇下无法一致区分均值；另给出长期方差可一致估计的充要条件，并指出存在大簇时的障碍。
- 阅读关注点
- 应核对大簇与一致 n-判别的定义、结论所覆盖的依赖类，以及至少两个大簇这一条件对应的具体保证。
- 阅读边界
- 仅据所给 RePEc 所载出版社摘要版本；大簇比例、依赖类及定理量词未说明，不宜外推到所有簇设计或推断刊本变化。
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 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.