Bias‐Aware Inference in Fuzzy Regression Discontinuity Designs
模糊断点回归设计中的偏差感知推断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：摘要直接研究模糊断点回归设计的参数置信集及弱识别下的因果推断。
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
模糊断点回归设计中的偏差感知推断
- 研究问题
- 在模糊断点设计中，如何显式考虑局部回归偏差，并在离散运行变量、挖空设计或弱识别等情形构造有效置信集？
- 方法与思路
- 作者基于局部线性回归构造计入潜在偏差的置信集，借鉴恰好识别工具变量模型的Anderson–Rubin方法，避免依赖delta近似。
- 材料陈述的贡献
- 摘要称新置信集在连续运行变量与强识别的典型情形渐近等价于现有程序，并在多种离散、挖空和弱识别设置下仍有效。
- 阅读关注点
- 应核对偏差约束、带宽及置信集构造，弱识别时集合的形态，以及离散或挖空设计下参数识别与覆盖所需条件。
- 阅读边界
- 仅据所给Crossref版本摘要，不能断言任何离散或挖空设计均有效；偏差限制、适用条件与后续版本变化未说明。
原文摘要
We propose new confidence sets (CSs) for the regression discontinuity parameter in fuzzy designs. Our CSs are based on local linear regression, and are bias‐aware, in the sense that they take possible bias explicitly into account. Their construction shares similarities with that of Anderson–Rubin CSs in exactly identified instrumental variable models, and thereby avoids issues with “delta method” approximations that underlie most commonly used existing inference methods for fuzzy regression discontinuity analysis. Our CSs are asymptotically equivalent to existing procedures in canonical settings with strong identification and a continuous running variable. However, they are also valid under a wide range of other empirically relevant conditions, such as setups with discrete running variables, donut designs, and weak identification.