Including Covariates in the Regression Discontinuity Design
在断点回归设计中纳入协变量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中的处理效应估计，并讨论协变量调整对精度、偏误与识别的影响，因此归入因果推断。
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
在断点回归设计中纳入协变量
- 研究问题
- 研究断点回归中如何纳入观测协变量，以提高处理效应估计精度；同时探讨协变量在阈值处不连续时的偏误与识别问题。
- 方法与思路
- 作者提出完全非参数的核方法，通过对观测协变量进行条件化调整估计处理效应，并用模拟及奥地利劳动力市场改革应用展示方法。
- 材料陈述的贡献
- 摘要称条件化降低渐近方差，并使估计达到一维非参数速率；控制全部相关不连续变量时，还可能降低偏误并恢复识别。
- 阅读关注点
- 重点核对协变量不连续时恢复识别所需条件、连续协变量维数不影响收敛速率的推导，以及带宽实施与应用中的估计对象。
- 阅读边界
- 摘要未说明具体识别假设、带宽选择及相关变量是否完整可观测；恢复识别的说法有条件，不能据此认定协变量调整普遍有效。
原文摘要
This article proposes a fully nonparametric kernel method to account for observed covariates in regression discontinuity designs (RDD), which may increase precision of treatment effect estimation. It is shown that conditioning on covariates reduces the asymptotic variance and allows estimating the treatment effect at the rate of one-dimensional nonparametric regression, irrespective of the dimension of the continuously distributed elements in the conditioning set. Furthermore, the proposed method may decrease bias and restore identification by controlling for discontinuities in the covariate distribution at the discontinuity threshold, provided that all relevant discontinuously distributed variables are controlled for. To illustrate the estimation approach and its properties, we provide a simulation study and an empirical application to an Austrian labor market reform. Supplementary materials for this article are available online.