When Can We Ignore Measurement Error in the Running Variable?
何时可以忽略运行变量中的测量误差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：摘要明确研究断点回归的因果解释、识别条件与测量误差下的有效推断，属于因果推断。
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
何时可以忽略运行变量中的测量误差
- 研究问题
- 断点回归中，实际用于分配处理的运行变量只能带误差观测时，忽略该误差是否仍能得到具有明确因果含义的估计？
- 方法与思路
- 作者要求观测运行变量正确区分处理分配，且对潜在结果条件均值的影响平滑，结合甜甜圈修剪与考虑偏差的推断方法。
- 材料陈述的贡献
- 摘要称，在这些条件下可识别观测运行变量位于阈值者的平均处理效应，并讨论离散或不规则支持导致部分识别时的有效推断。
- 阅读关注点
- 应核对正确分类与平滑性的正式定义、修剪如何满足条件，以及尖锐和模糊设计中的目标效应、部分识别区间与偏差控制。
- 阅读边界
- 依据的是 arXiv 预印本摘要，不能确认同行评审或期刊接收；目标针对观测阈值处人群，摘要不足以判断其与真实阈值效应是否一致。
原文摘要
In many applications of regression discontinuity designs, the running variable used by the administrator to assign treatment is only observed with error. We show that, provided the observed running variable (i) correctly classifies the treatment assignment, and (ii) affects the conditional means of the potential outcomes smoothly, ignoring the measurement error nonetheless yields an estimate with a causal interpretation: the average treatment effect for units whose observed running variable equals to the cutoff. We show that, possibly after doughnut trimming, these assumptions accommodate a variety of settings where support of the measurement error is not too wide. We propose to conduct inference using bias-aware methods, which remain valid even when discreteness or irregular support in the observed running variable may lead to partial identification. We illustrate the results for both sharp and fuzzy designs in an empirical application.