Estimation and exclusion restrictions in clustered linear models
聚类线性模型中的估计与排除限制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：摘要明确扩展动态面板方法，并以空间干扰生成排除限制的财政干预作为应用。
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…
聚类线性模型中的估计与排除限制
- 研究问题
- 当线性回归同时包含聚类依赖、高维控制和复杂排除限制时，如何构建正确中心化的内部工具变量估计并开展稳健推断？
- 方法与思路
- 作者提出具有留出解释的内部工具变量估计，允许组内依赖，推导相关二次型的中心极限定理，并构建稳健方差与识别稳健推断。
- 材料陈述的贡献
- 摘要称框架容纳广泛排除限制且计算可行，将动态面板方法扩展到一般聚类场景，并应用于存在空间干扰的肯尼亚财政干预。
- 阅读关注点
- 核对排除限制如何编码、留出单位与聚类结构如何匹配、高维控制的维度条件，以及弱识别和空间干扰下推断的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出具体排除限制与增长条件，不能据此认定方法适用于任意空间依赖结构。
原文摘要
We study linear regression models with clustered data, high-dimensional controls, and intricate exclusion restrictions. We propose a correctly centered internal instrument IV estimator that accommodates a broad class of exclusion restrictions and allows within-cluster dependence. The estimator admits a simple leave-out interpretation and is computationally tractable. We derive a central limit theorem for the associated quadratic form and propose a robust variance estimator. We also develop identification-robust inference procedures. Our framework extends dynamic panel methods to general clustered settings. We illustrate the approach in a large-scale fiscal intervention in rural Kenya, where spatial interference generates the exclusion-restriction pattern.