Inference With Dyadic Data: Asymptotic Behavior of the Dyadic-Robust t -Statistic
双边数据推断：双边稳健t统计量的渐近行为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：摘要以单位对构成的双边数据及共享单位引起的相关性为对象，其关联结构下的推断问题支持归入网络与干扰方向。
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
双边数据推断：双边稳健t统计量的渐近行为
- 研究问题
- 当双边观测共享同一单位而可能相关时，线性模型中的双边稳健t统计量何时能使用正态近似，有限样本推断又是否可靠？
- 方法与思路
- 作者为既有双边稳健方差估计对应的t统计量建立渐近正态性的条件，再据此设计模拟，考察正态近似与新的有限样本修正。
- 材料陈述的贡献
- 摘要称给出一组支持渐近正态性的条件，评估正态近似和有限样本修正，并为使用双边稳健方差进行推断的应用研究提供指南。
- 阅读关注点
- 应核对允许的相关结构、双边样本如何扩展、渐近条件与有限样本修正公式，判断研究中的单位对数据是否符合适用范围。
- 阅读边界
- 摘要未列出渐近条件、有限样本修正公式或模拟数值结果；共享单位相关这一事实本身不足以保证双边稳健正态推断有效。
原文摘要
This article is concerned with inference in the linear model with dyadic data. Dyadic data are indexed by pairs of “units;” for example, trade data between pairs of countries. Because of the potential for observations with a unit in common to be correlated, standard inference procedures may not perform as expected. We establish a range of conditions under which a t-statistic with the dyadic-robust variance estimator of Fafchamps and Gubert is asymptotically normal. Using our theoretical results as a guide, we perform a simulation exercise to study the validity of the normal approximation, as well as the performance of a novel finite-sample correction. We conclude with guidelines for applied researchers wishing to use the dyadic-robust estimator for inference.