On the reliability of published findings using the regression discontinuity design in political science
政治学中已发表断点回归研究结果的可靠性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：摘要专门评估断点回归这一因果识别设计的估计、标准误与检验力问题，因此归入因果推断而非通用发表偏差研究。
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…
政治学中已发表断点回归研究结果的可靠性
- 研究问题
- 断点回归具有因果识别基础时，有限样本中的估计与推断困难如何影响政治学已发表结果的显著性、检验力和可靠性？
- 方法与思路
- 作者收集二〇〇九至二〇一八年顶级政治学期刊的断点回归结果，分析显著性分布，重估可得数据并进行回顾性检验力分析。
- 材料陈述的贡献
- 摘要报告结果聚集于传统显著性阈值附近，部分推断方法低估标准误，多数研究检验力不足，并对发表效应夸大提出担忧。
- 阅读关注点
- 应核对论文纳入与数据可得性、重估方法、检验力计算依据，以及如何区分研究者裁量、推断失当和发表选择的作用。
- 阅读边界
- 所给来源为 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要不足以判断每项研究的可靠性或推广至全部断点研究。
原文摘要
The regression discontinuity (RD) design offers identification of causal effects under weak assumptions, earning it a position as a standard method in modern political science research. But identification does not necessarily imply that causal effects can be estimated accurately with limited data. In this paper, we highlight that estimation under the RD design involves serious statistical challenges and investigate how these challenges manifest themselves in the empirical literature in political science. We collect all RD-based findings published in top political science journals in the period 2009-2018. The distribution of published results exhibits pathological features; estimates tend to bunch just above the conventional level of statistical significance. A reanalysis of all studies with available data suggests that researcher discretion is not a major driver of these features. However, researchers tend to use inappropriate methods for inference, rendering standard errors artificially small. A retrospective power analysis reveals that most of these studies were underpowered to detect all but large effects. The issues we uncover, combined with well-documented selection pressures in academic publishing, cause concern that many published findings using the RD design may be exaggerated.