Regression Discontinuity Designs With Sample Selection
存在样本选择的断点回归设计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。
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：摘要讨论断点回归中的处理内生性、样本选择、处理效应识别与锐界，并应用于教育政策评估，直接对应因果推断。
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…
关注这篇论文的作者
存在样本选择的断点回归设计
- 研究问题
- 当结果缺失或样本参与受到选择影响时，如何在断点回归中同时应对处理内生性与样本选择，并识别政策相关人群的处理效应？
- 方法与思路
- 作者依赖平滑性条件识别广延与集约边际效应，再结合主分层方法，构造始终参与的遵从者这一人群的处理效应锐界。
- 材料陈述的贡献
- 摘要称，识别无需选择方程的排除限制或选择机制设定，并给出特定遵从者效应的锐界；学业警告应用呈现两类边际上的性别差异。
- 阅读关注点
- 全文应核对平滑性条件及其可检验含义、两类边际效应的定义、始终参与的遵从者如何界定，以及锐界推导和实证推断步骤。
- 阅读边界
- 摘要所称适用范围仍依赖平滑性条件；未列出完整条件、锐界估计与推断步骤，也未给出学业警告效应或性别差异的数值结果。
原文摘要
This article extends the standard regression discontinuity (RD) design to allow for sample selection or missing outcomes. We deal with both treatment endogeneity and sample selection. Identification in this article does not require any exclusion restrictions in the selection equation, nor does it require specifying any selection mechanism. The results can therefore be applied broadly, regardless of how sample selection is incurred. Identification instead relies on smoothness conditions. Smoothness conditions are empirically plausible, have readily testable implications, and are typically assumed even in the standard RD design. We first provide identification of the “extensive margin” and “intensive margin” effects. Then based on these identification results and principle stratification, sharp bounds are constructed for the treatment effects among the group of individuals that may be of particular policy interest, that is, those always participating compliers. These results are applied to evaluate the impacts of academic probation on college completion and final GPAs. Our analysis reveals striking gender differences at the extensive versus the intensive margin in response to this negative signal on performance.