线性模型中少量聚类下近似随机化检验的实现
计量经济学
2022-03-16 v4
摘要
本文提供了将 Canay、Romano 和 Shaikh（2017）发展的近似随机化检验一般理论专门应用于聚类数据线性回归时的用户指南。该方法的一个重要特征是适用于聚类数量很少的情形——甚至少至五个。我们给出了逐步算法描述，说明如何实施该检验并为感兴趣的参数构建置信区间。在此过程中，我们还提出了关于该方法的三个新结果：表明该方法允许基于加权得分的等价实现；表明检验与置信区间在检验统计量是否经过学生化下均保持不变；并证明了标量参数置信区间的凸性。我们还阐明了该检验的主要前提条件，特别强调了研究者可能遇到的常见陷阱。最后，我们通过两个应用示例说明了该方法的使用，进一步阐明这些要点。配套的 {\tt R} 和 {\tt Stata} 包便于该方法的实现及实证练习的复现。
引用
@article{arxiv.2102.09058,
title = {On the implementation of Approximate Randomization Tests in Linear Models with a Small Number of Clusters},
author = {Yong Cai and Ivan A. Canay and Deborah Kim and Azeem M. Shaikh},
journal= {arXiv preprint arXiv:2102.09058},
year = {2022}
}