Conditional Selective Inference for the Selected Groups in Panel Data
面板数据中所选群组的条件选择后推断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：摘要研究一般面板群组选择后的斜率推断，并明确应用于跨国经济增长与碳排放面板。
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
面板数据中所选群组的条件选择后推断
- 研究问题
- 在同一面板数据上先用 k-means 识别群组、再检验群组斜率差异时，如何处理选择与检验之间的依赖并控制第一类错误？
- 方法与思路
- 作者对群组选择事件进行条件化，定义选择后第一类错误并计算相应 p 值，同时讨论单个协变量检验与 GMM 框架的扩展。
- 材料陈述的贡献
- 摘要称，该方法纠正常规 Wald 检验的错误率膨胀，模拟表现满意，并用于跨国增长与碳排放关系；作者另提供实现用 R 包。
- 阅读关注点
- 应核对 k-means 选择事件的精确定义、条件 p 值的计算及错误控制范围，并检查群组数、聚类实现和估计框架的限制。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核验。摘要未列出完整有效性条件、模拟数值或跨国应用的新发现，不能据此评价实证结论。
原文摘要
We consider the problem of testing for differences in group-specific slopes between the selected groups in panel data identified via k-means clustering. In this setting, the classical Wald-type test statistic is problematic because it produces an extremely inflated type I error probability. The underlying reason is that the same dataset is used to identify the group structure and construct the test statistic, simultaneously. This creates dependence between the selection and inference stages. To address this issue, we propose a valid selective inference approach conditional on the selection event to account for the selection effect. We formally define the selective type I error and describe how to efficiently compute the correct p-values for clusters obtained using k-means clustering. Furthermore, the same idea can be extended to test for differences in coefficients due to a single covariate and can be incorporated into the GMM estimation framework. Simulation studies show that our method has satisfactory finite sample performance. We apply this method to explore the heterogeneous relationships between economic growth and the $CO_2$ emission across countries for which some new findings are discovered. An R package TestHomoPanel is provided to implement the proposed selective inference framework for panel data.