Design-Based Multi-Way Clustering
基于设计的多维聚类推断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：摘要以处理分配、抽样设计及处理效应相关性论证多维聚类推断，直接关联因果推断。
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
基于设计的多维聚类推断
- 研究问题
- 当抽样与处理分配分别在不同维度聚类，或其中一项具有多维聚类结构时，如何从研究设计出发论证聚类推断及方差估计有效性？
- 方法与思路
- 作者将基于设计的推断框架扩展至多维聚类依赖，考察代入方差估计量的保守性，并讨论处理效应相关假设和更保守的替代估计量。
- 材料陈述的贡献
- 摘要称多维聚类代入方差估计量不再必然保守，有效推断需要额外效应相关假设或替代方差估计；模拟中后者常显得过于保守。
- 阅读关注点
- 应核对抽样与处理分配机制、各聚类维度的增长条件、处理效应相关限制，以及更保守方差估计量的构造和覆盖表现。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出相关假设和数值结果，模拟中的通常稳健不构成无条件推断保证。
原文摘要
This paper extends the design-based framework to settings with multi-way cluster dependence, and shows how multi-way clustering can be justified when clustered assignment and clustered sampling occurs on different dimensions, or when either sampling or assignment is multi-way clustered. Unlike one-way clustering, the plug-in variance estimator in multi-way clustering is no longer conservative, so valid inference either requires an assumption on the correlation of treatment effects or a more conservative variance estimator. Simulations suggest that the plug-in variance estimator is usually robust, and the conservative variance estimator is often too conservative.