.png){kind=icon}
返回
Jackknife Standard Errors for Clustered Regression
.png){kind=icon}
PRE
AI
DOI：10.1093/restud/rdag050.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种理论依据，主张在线性回归中用刀切法方差估计量替代传统的异方差稳健和聚类稳健方差估计量，以处理异方差和/或聚类依赖观测值。我们考察了方差估计的偏差和置信区间的覆盖概率。关于偏差，我们证明传统方差估计量存在完全向下的最坏情况偏差，而我们的刀切法方差估计量从不产生向下偏差。关于置信区间，我们证明基于传统标准误的区间在最坏情况下覆盖概率为零，而基于刀切法的置信区间在误差正态分布的辅助假设下，其覆盖概率受柯西分布约束。我们还将Bell-McCaffrey（2002）的学生t近似扩展到我们的刀切法t比率，从而得到覆盖概率更优的置信区间。我们的理论在广泛假设下成立，允许任意聚类大小、回归变量杠杆、聚类内相关、异方差、仅单个处理聚类的回归、固定效应以及删除聚类可逆性失败。我们的理论发现与广泛研究异方差稳健和聚类稳健方差估计的模拟文献一致。
Keyword:
Jackknife variance estimator
Cluster-robust inference
Heteroskedasticity
Linear regression
Confidence interval coverage
