存在小群体时的K均值面板数据聚类
计量经济学
2025-08-22 v1 统计方法学
摘要
我们考虑具有群组结构的面板数据模型。我们研究了最小二乘估计量和用于确定群组数量的信息准则的渐近行为，并允许存在相对规模渐近可忽略的小群体。我们的贡献有三方面。首先，我们推导了最小二乘估计量具有一致性和渐近正态性的充分条件。其中一个条件意味着，群体越小，所需的样本期就越长。其次，我们证明了先前研究中提出的用于确定群组数量的信息准则在存在小群体时可能不一致或表现不佳。第三，我们提出了旨在存在小群体时表现良好的修正信息准则（MIC）。蒙特卡洛模拟证实了它们在有限样本中的良好性能。一项实证应用表明，K均值聚类与所提出的修正信息准则相结合，能够发现小群体，而不会产生过多的群组。这使得在简约的群组结构中刻画小群体并将其与其他大群体区分开来成为可能。
引用
@article{arxiv.2508.15408,
title = {K-Means Panel Data Clustering in the Presence of Small Groups},
author = {Mikihito Nishi},
journal= {arXiv preprint arXiv:2508.15408},
year = {2025}
}