Combining Clusters for the Approximate Randomization Test
近似随机化检验中的聚类合并方法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：摘要以双重差分设计中处理变量在控制聚类内无变化为主要应用情形。
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
近似随机化检验中的聚类合并方法
- 研究问题
- 在聚类数较少、目标参数无法在每个聚类内部识别时，如何选择聚类合并方案，使近似随机化检验可用并提高局部功效？
- 方法与思路
- 作者针对聚类内缺乏变量变化的情形设计计算高效的合并程序，以最大化局部渐近功效，并通过模拟及实证应用检验表现。
- 材料陈述的贡献
- 摘要称，合并处理与控制聚类可解决部分识别障碍，所提程序减少合并方案的任意性，并在多种设置下表现良好。
- 阅读关注点
- 应核对合并后参数可识别与检验有效的条件、局部功效目标如何计算，以及合并方案选择是否影响检验的有效性。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明具体合并算法、有效性条件或功效数值，不能保证任意合并都成立。
原文摘要
This paper develops procedures to combine clusters for the approximate randomization test proposed by Canay, Romano, and Shaikh (2017). Their test can be used to conduct inference with a small number of clusters and imposes weak requirements on the correlation structure. However, their test requires the target parameter to be identified within each cluster. A leading example where this requirement fails to hold is when a variable has no variation within clusters. For instance, this happens in difference-in-differences designs because the treatment variable equals zero in the control clusters. Under this scenario, combining control and treated clusters can solve the identification problem, and the test remains valid. However, there is an arbitrariness in how the clusters are combined. In this paper, I develop computationally efficient procedures to combine clusters when this identification requirement does not hold. Clusters are combined to maximize local asymptotic power. The simulation study and empirical application show that the procedures to combine clusters perform well in various settings.