Journal of Econometrics· 2026Q1
Potansiyel çok boyutluluk ile kümeleme: Çıkarım ve uygulama
Clustering with potential multidimensionality: Inference and practice
- 1atıf
- Q1SCImago
- 2026yıl
Kısa özet
Örnekleme veya atama belirsizliği olduğunda M-tahmininde standart hataları bir veya daha fazla boyutta kümelemek için, muhafazakar prosedürleri iyileştiren ve geçerli kalan yeni bir varyans tahmin edicisi önerilmektedir.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Çok boyutlu kümelemeli M-tahmini için yeni bir varyans tahmin edicisi önerilmektedir.
- Tahmin edici, mevcut yöntemlerin aksine, geçerliliği sağlamak için muhafazakar bir prosedürü iyileştirir.
- Standart hataların kümelenmesindeki örnekleme veya atama belirsizliğini ele alır.
- Yaygın ampirik kümeleme uygulamaları için tasarım tabanlı bir yorum sunar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
We show how clustering standard errors in one or more dimensions can be justified in M-estimation when there is sampling or assignment uncertainty. Since existing procedures for variance estimation are either conservative or invalid, we propose a variance estimator that refines a conservative procedure and remains valid. We then interpret environments where clustering is frequently employed in empirical work from our design-based perspective and provide insights on their estimands and inference procedures.
Yazarların özeti; kaynağından alınmıştır. Journal of Econometrics, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Yapay Zeka
Artificial IntelligenceComputer Science