Noise-induced randomization in regression discontinuity designs
断点回归设计中由噪声诱导的随机化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：摘要直接研究断点回归设计的因果识别、处理组平衡和效应推断。
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…
断点回归设计中由噪声诱导的随机化
- 研究问题
- 当处理由观测运行变量是否跨越阈值决定时，能否利用其中已知的外生噪声，为断点回归提供新的因果识别与推断路径？
- 方法与思路
- 作者利用运行变量作为潜在变量的含噪测量这一结构，对处理组和对照组加权以平衡潜在变量，并利用噪声提供的随机化。
- 材料陈述的贡献
- 摘要称提出基于外生噪声知识的识别、估计和推断方法，为通常诉诸连续性论证的断点回归分析提供补充。
- 阅读关注点
- 应核对外生噪声知识具体包含什么、潜在变量平衡如何实现、目标效应及权重的定义，以及识别和推断所需条件。
- 阅读边界
- 仅据所给Crossref摘要，不能判断噪声外生性的具体要求或目标效应范围；不能将任意测量误差直接视为有效随机化来源。
原文摘要
Summary Regression discontinuity designs assess causal effects in settings where treatment is determined by whether an observed running variable crosses a prespecified threshold. Here, we propose a new approach to identification, estimation and inference in regression discontinuity designs that uses knowledge about exogenous noise (e.g., measurement error) in the running variable. In our strategy, we weight treated and control units to balance a latent variable, of which the running variable is a noisy measure. Our approach is driven by effective randomization provided by the noise in the running variable, and complements standard formal analyses that appeal to continuity arguments while ignoring the stochastic nature of the assignment mechanism.