Asymptotic theory for clustered samples
Asymptotic theory for clustered samples
复制标题
聚类样本的渐近理论
DOI：
10.1016/j.jeconom.2019.02.001
复制
发表时间：
2019
影响因子：
6.3
通讯作者：
Lee, Seojeong
中科院分区：
文献类型：
--
作者：
Hansen, Bruce E.;Lee, Seojeong
我们提供了一个完整的渐近分布理论的聚类数据与大量的独立组，推广了经典的大数定律，统一的法律，中心极限理论，和聚类协方差矩阵估计。我们的理论允许集群观测异构和无界集群大小。我们的条件干净地嵌套了经典的i.n.i.d.结果。观察，在这个意义上说，我们的条件专门为独立采样下的经典条件。我们使用这个理论来开发一个完整的渐近分布理论估计的基础上线性最小二乘，2SLS，非线性极大似然估计，和非线性高斯混合模型。
We provide a complete asymptotic distribution theory for clustered data with a large number of independent groups, generalizing the classic laws of large numbers, uniform laws, central limit theory, and clustered covariance matrix estimation. Our theory allows for clustered observations with heterogeneous and unbounded cluster sizes. Our conditions cleanly nest the classical results for i.n.i.d. observations, in the sense that our conditions specialize to the classical conditions under independent sampling. We use this theory to develop a full asymptotic distribution theory for estimation based on linear least-squares, 2SLS, nonlinear MLE, and nonlinear GMM.