Статистический вывод для регрессии с кластерно или пространственно коррелированными данными I: общая схема и кластеризация

© 2026 A. Colin Cameron, Douglas L. Miller
NBER Working Paper 35800
https://www.nber.org/papers/w35800

Перевод аннотации:
Во многих регрессионных анализах используются наблюдения, коррелированные внутри некоррелированных между собой кластеров и/или коррелированные по расстоянию либо иной пространственной мере. Такие данные часто положительно коррелированы. Это уменьшает информационное содержание дополнительного наблюдения по сравнению со стандартным предположением о независимости наблюдений. Следовательно, если не корректировать стандартные ошибки с учетом такой корреляции, доверительные интервалы оказываются слишком узкими, а критерии проверки гипотез слишком часто отвергают нулевую гипотезу. В этой статье мы сначала предлагаем общую схему. Затем мы сосредоточиваемся на статистическом выводе, когда наблюдения коррелированы внутри кластера и не коррелированы между кластерами. Мы подробно описываем методы статистического вывода, устойчивого к кластеризации, особенно методы, обеспечивающие лучшие свойства в конечных выборках, когда число кластеров невелико. Такие корректировки часто необходимы. Сопутствующая статья Cameron and Miller (2026) представляет статистический вывод для случая, когда корреляция пространственно затухает с расстоянием между наблюдениями. Эти две статьи призваны служить руководством для исследователей-эмпириков.

@nberpost