Cluster-robust inference with a single treated cluster using the t-test
使用 t 检验进行单一处理簇下的聚类稳健推断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：摘要明确将单一处理簇推断联系到双重差分设计，直接支持因果推断分类，但未充分描述具体面板模型。
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
使用 t 检验进行单一处理簇下的聚类稳健推断
- 研究问题
- 只有一个处理簇且控制簇数量固定时，如何允许簇内未知依赖开展有效检验，并避免直接估计各簇的方差？
- 方法与思路
- 作者使用 t 统计量并构造专门临界值，要求指定处理簇与部分控制簇的相对方差异质性，必要时进行一维数值优化。
- 材料陈述的贡献
- 摘要称至少两个控制簇时方法可用于任意显著性水平，部分常见情形无需优化即可求临界值，并提供表格、模拟和应用。
- 阅读关注点
- 应核对有效推断的准确条件、相对方差界如何设定、哪些控制簇必须满足限制，以及显著性水平与临界值计算的关系。
- 阅读边界
- 所据版本为 arXiv 预印本，同行评审与期刊接收未核实；不估计方差仍需指定相对异质性，摘要未列出完整有效性条件。
原文摘要
This paper considers inference when there is a single treated cluster and a fixed number of control clusters, a setting that is common in empirical work, especially in difference-in-differences designs. We use the t-statistic and develop suitable critical values to conduct valid inference under weak assumptions allowing for unknown dependence within clusters. In particular, our inference procedure does not involve variance estimation. It only requires specifying the relative heterogeneity between the variances from the treated cluster and some, but not necessarily all, control clusters. Our proposed test works for any significance level when there are at least two control clusters. When the variance of the treated cluster is bounded by those of all control clusters up to some prespecified scaling factor, the critical values for our t-statistic can be easily computed without any optimization for many conventional significance levels and numbers of clusters. In other cases, one-dimensional numerical optimization is needed and is often computationally efficient. We have also tabulated common critical values in the paper so researchers can use our test readily. We illustrate our method in simulations and empirical applications.