On the implementation of Approximate Randomization Tests in Linear Models with a Small Number of Clusters
少量聚类线性模型中近似随机化检验的实施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：摘要研究通用聚类线性回归推断，未说明面板结构、因果识别或特定宏观金融问题，分类证据不足。
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…
少量聚类线性模型中近似随机化检验的实施
- 研究问题
- 在线性回归的聚类数很少、甚至只有五个时，如何实施近似随机化检验并构造参数置信区间，同时避免常见使用错误？
- 方法与思路
- 作者将既有近似随机化检验理论具体化为聚类线性回归的逐步算法，给出检验与区间构造流程，并用两个应用说明实施要求。
- 材料陈述的贡献
- 摘要称，新结果包括加权得分的等价实现、检验与区间对是否学生化的不变性，以及标量参数置信区间的凸性，并提供配套软件。
- 阅读关注点
- 应核对少聚类有效性所需条件、加权得分实现、学生化不变性的适用范围，以及置信区间反演和应用中的常见违例。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未列出主要条件，不能理解为所有五聚类回归均可可靠推断。
原文摘要
This paper provides a user's guide to the general theory of approximate randomization tests developed in Canay, Romano, and Shaikh (2017) when specialized to linear regressions with clustered data. An important feature of the methodology is that it applies to settings in which the number of clusters is small -- even as small as five. We provide a step-by-step algorithmic description of how to implement the test and construct confidence intervals for the parameter of interest. In doing so, we additionally present three novel results concerning the methodology: we show that the method admits an equivalent implementation based on weighted scores; we show the test and confidence intervals are invariant to whether the test statistic is studentized or not; and we prove convexity of the confidence intervals for scalar parameters. We also articulate the main requirements underlying the test, emphasizing in particular common pitfalls that researchers may encounter. Finally, we illustrate the use of the methodology with two applications that further illuminate these points. The companion {\tt R} and {\tt Stata} packages facilitate the implementation of the methodology and the replication of the empirical exercises.