Treatment Effect Heterogeneity in Regression Discontinuity Designs
断点回归设计中的处理效应异质性AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究断点回归中的因果处理效应异质性及组间效应比较。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
断点回归设计中的处理效应异质性
- 研究问题
- 如何依据处理前协变量分析断点回归中的处理效应异质性，并为不同群体的效应差异提供统一、可解释的统计推断？
- 方法与思路
- 作者采用函数参数意义下完全交互的局部线性模型，针对异质效应与组间差异建立带宽选择和稳健偏差校正推断。
- 材料陈述的贡献
- 摘要称，该框架对离散协变量不损失一般性，对连续协变量提供可能受限但具因果解释的模型，并配套软件与实证示例。
- 阅读关注点
- 应核对异质效应的目标定义、离散与连续协变量下模型限制的区别，以及带宽选择、偏差校正和组间检验的适用条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收状态未核实。摘要承认连续协变量模型可能受限，未说明具体识别假设与应用结果。
原文摘要
Empirical studies using Regression Discontinuity (RD) designs often explore heterogeneous treatment effects based on pretreatment covariates, even though no formal statistical methods exist for such analyses. This has led to the widespread use of ad hoc approaches in applications. Motivated by common empirical practice, we develop a unified, theoretically grounded framework for RD heterogeneity analysis. We show that a fully interacted local linear (in functional parameters) model effectively captures heterogeneity while still being tractable and interpretable in applications. The model structure holds without loss of generality for discrete covariates. Although our proposed model is potentially restrictive for continuous covariates, it naturally aligns with standard empirical practice and offers a causal interpretation for RD applications. We establish principled bandwidth selection and robust bias-corrected inference methods to analyze heterogeneous treatment effects and test group differences. We provide companion software to facilitate implementation of our results. An empirical application illustrates the practical relevance of our methods.