在过去的二十年中，计量经济学的一项突破是采用“聚类”来考虑跨观测误差项的相关性。例如，如果您正在评估一项教育干预的效果，其中您有个别学生的数据，但您怀疑教师实施干预的方式不同，那么通常以一种认识到存在共同影响的方式分析数据“班级”级别。一个常见的修正是使用聚类。
当您运行回归不连续性时，您是否同样必须考虑到您的观察结果可能是聚类的？如果是这样，估计器如何以不同的方式实现？
当您使用回归不连续性时，“聚类”是否有意义？
机器算法验证
计量经济学
回归不连续
2022-04-08 14:21:33
2个回答
是否考虑聚类不仅会影响估计的标准误差。在像您这样的情况下，我不会过多地关注标准错误。更重要的是，您可以证明使用回归不连续性框架是合理的，并且您必须能够证明它允许恢复您感兴趣的参数。一旦您确定这一点，您就可以迈出一步更远。
下一步将是以下。如果您担心这些类效应，您应该查看多级回归模型。应该可以在多级模型中实施回归不连续策略。
它是否是常规线性回归模型？在量化金融中，我们也有同样的问题。我们使用 GARCH 模型来估计波动率，但波动率似乎不是正态分布的，而且似乎是聚类的。为此，我们使用切换 garch 模型。这种“切换”模型在不同的聚类区域之间进行区分和切换。你可以看看这个切换它可能很有用......
其它你可能感兴趣的问题