Cluster-Robust Inference for Quadratic Forms
回归系数二次型的聚类稳健推断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：这是通用聚类回归推断，摘要未限定面板、因果或其他所列细分领域。
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…
回归系数二次型的聚类稳健推断
- 研究问题
- 存在聚类依赖和大量协变量时，如何对回归系数的二次型进行偏差修正与有效推断，并处理增长的簇规模和参数维度？
- 方法与思路
- 作者研究留一簇无偏估计，建立渐近正态条件，并提出一致的留三簇方差估计及计算更简单的保守留两簇方差估计。
- 材料陈述的贡献
- 摘要称框架涵盖多工具变量回归、方差分量与多重限制检验，允许强簇内依赖，以及簇规模和协变量维度随样本增长。
- 阅读关注点
- 核对无偏性、正态性和方差估计分别需要的条件，尤其是簇数、最大簇规模、设计矩阵限制及保守方差的计算代价。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未经核实。摘要未给出具体增长率与原始条件，不能将结论推广到任意聚类设计。
原文摘要
This paper studies inference for quadratic forms of linear regression coefficients with clustered data and many covariates. Our framework covers three important special cases: instrumental variables regression with many instruments and controls, inference on variance components, and testing multiple restrictions in a linear regression. Naïve plug-in estimators are known to be biased. We study a leave-one-cluster-out estimator that is unbiased, and provide sufficient conditions for its asymptotic normality. For inference, we establish the consistency of a leave-three-cluster-out variance estimator under primitive conditions. In addition, we develop a novel leave-two-cluster-out variance estimator that is computationally simpler and guaranteed to be conservative under weaker conditions. Our analysis allows cluster sizes to diverge with the sample size, accommodates strong within-cluster dependence, and permits the dimension of the covariates to diverge with the sample size, potentially at the same rate.