面板数据的马赛克推断

通过线性回归分析面板数据在各学科中广泛应用。为进行统计推断，此类分析通常假设观测值簇之间相互独立。例如，可能假设纽约的观测值与新泽西的观测值相互独立。这些假设合理吗？相邻簇之间是否存在隐藏的依赖关系？本文引入了一种马赛克置换检验，可以（i）检验簇独立性假设，（ii）在不假设完全簇独立性的条件下为线性模型生成置信区间。我们方法的核心思想是对精心构造的残差估计应用置换检验，这些残差估计遵循与真实误差相同的不变性。因此，我们的方法在温和的"局部可交换性"条件下得出有限样本有效的推断。该条件与典型的簇独立性假设不同，因为两个假设互不蕴含。此外，我们的方法在簇独立性下是渐近有效的（无需可交换性假设）。综合来看，这些结果表明我们的方法在比许多经典方法所基于的假设更弱的条件下有效。在文献中广泛研究的数据集上的实验发现，许多现有方法产生的方差估计值偏小高达五倍，而马赛克方法产生可靠的结果。我们将方法实现在Python包mosaicperm中。