Inference on quantile processes with a finite number of clusters
有限聚类数量下分位数过程的推断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。
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：摘要明确研究整个分位数及回归分位数过程，并以分位数处理效应为主要对象，直接支持分位数与分布效应及因果推断分类。
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
有限聚类数量下分位数过程的推断
- 研究问题
- 当仅有有限个规模较大且可高度异质的聚类时，如何对整个分位数或回归分位数过程进行检验，并控制检验的渐近尺寸？
- 方法与思路
- 作者构造具有足够分布对称性的统计量以实施随机化检验，无需预先匹配聚类或选择调节参数，主要用于分位数处理效应推断。
- 材料陈述的贡献
- 摘要称，方法渐近控制尺寸，可检验非尖锐假设；在部分相关情形下具有渐近相似性，数值结果显示少至五个聚类时仍有良好表现。
- 阅读关注点
- 应核对统计量对称性从何而来、聚类之间的依赖条件、整个分位数过程的检验构造，以及相似性成立和少聚类表现的具体情形。
- 阅读边界
- 仅据所给出版社摘要；五个聚类的表现不是普遍有限样本保证，聚类条件及渐近框架未详述，也未核对全文或其他版本。
原文摘要
I introduce a generic method for inference on entire quantile and regression quantile processes in the presence of a finite number of large and arbitrarily heterogeneous clusters. The method asymptotically controls size by generating statistics that exhibit enough distributional symmetry such that randomization tests can be applied. The randomization test does not require ex-ante matching of clusters, is free of user-chosen parameters, and performs well at conventional significance levels with as few as five clusters. The method tests standard (non-sharp) hypotheses and can even be asymptotically similar in empirically relevant situations. The main focus of the paper is inference on quantile treatment effects but the method applies more broadly. Numerical and empirical examples are provided.