Analytic inference with two-way clustering
双向聚类下的解析推断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：双向聚类可出现在多类数据中，摘要未明确面板或其他所列领域背景。
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…
双向聚类下的解析推断
- 研究问题
- 双向聚类推断中，如何同时处理常用方差估计可能为负，以及参数估计量在非高斯渐近情形下导致常规检验失效的问题？
- 方法与思路
- 作者提出一种简单修正，分别分析高斯和非高斯情形的检验性质，并在某类数据生成过程中建立一致有效性。
- 材料陈述的贡献
- 摘要称新检验在高斯情形下渐近精确且等价于通常检验，在其他情形下渐近保守，并指出多重检验与非线性估计的潜在问题。
- 阅读关注点
- 核对修正的具体公式、高斯与非高斯情形的判别条件及一致有效性的模型范围，关注簇数不平衡和保守性的实际代价。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未经核实。摘要未给出修正形式与完整条件，不能推断该方法适用于所有双向聚类设计。
原文摘要
This paper studies analytic inference along two dimensions of clustering. In such setups, the commonly used approach has two drawbacks. First, the corresponding variance estimator is not necessarily positive. Second, inference is invalid in non-Gaussian regimes, namely when the estimator of the parameter of interest is not asymptotically Gaussian. We consider a simple fix that addresses both issues. In Gaussian regimes, the corresponding tests are asymptotically exact and equivalent to usual ones. Otherwise, the new tests are asymptotically conservative. We also establish their uniform validity over a certain class of data generating processes. Independently of our tests, we highlight potential issues with multiple testing and nonlinear estimators under two-way clustering. Finally, we compare our approach with existing ones through simulations.