PulseAugur
实时 09:12:29
English(EN) Robust Inference Methods for Latent Group Panel Models under Possible Group Non-Separation

开发了新的潜在分组面板模型稳健推断方法

研究人员开发了用于包含潜在分组结构的新型线性面板数据模型稳健推断方法。这些方法旨在即使在分组分离失败时也能保持有效,改进了传统的渐近程序。该方法使用基于估计分组结构下系数估计的条件分布的选择性条件推断,在高斯误差下提供精确有效性,在一般误差分布下提供渐近有效性。该框架允许对分组特定系数进行任意线性约束,并提供在估计分组结构下具有有效覆盖率的选择性置信集,并通过模拟和在增长收敛俱乐部中的应用进行了证明。 AI

影响 为分析复杂数据集提供了先进的统计工具,可能适用于涉及结构化数据的AI研究。

排序理由 学术论文发表在arXiv上。[lever_c_demoted from research: ic=1 ai=0.4]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

开发了新的潜在分组面板模型稳健推断方法

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Oguzhan Akgun, Ryo Okui ·

    在可能的群组非分离情况下,用于潜在群组面板模型的稳健推断方法

    arXiv:2511.18550v2 Announce Type: replace-cross Abstract: We develop robust inference methods for general linear hypotheses in linear panel data models with latent group structure in the coefficients. We employ a selective conditional inference approach based on the conditional d…