Isotonic regression discontinuity designs
保序回归断点设计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：摘要明确研究单调回归断点设计，并估计选举在任的因果效应，直接支持因果推断分类。
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
保序回归断点设计
- 研究问题
- 研究单调回归断点设计所需的边界点保序回归估计为何可能不一致，以及如何修正边界估计并开展有效推断。
- 方法与思路
- 作者分析边界点保序回归，推导边界修正估计量的渐近分布，并提出无需子抽样或额外非参数平滑的 bootstrap 推断。
- 材料陈述的贡献
- 摘要称，边界修正后可进行 bootstrap；模拟显示形状限制能显著改善有限样本表现，并用于估计美国众议院选举中的在任效应。
- 阅读关注点
- 应核对单调性与断点因果识别条件、边界修正的具体形式和 bootstrap 有效性，以及形状限制错误时的估计敏感性。
- 阅读边界
- 仅依据所给出版社摘要，不能量化形状限制的改善幅度，也无法验证选举应用的识别假设；边界结论不能直接推广到所有保序估计。
原文摘要
This paper studies the estimation and inference for the isotonic regression at the boundary point, an object that is particularly interesting and required in the analysis of monotone regression discontinuity designs. We show that the isotonic regression is inconsistent in this setting and derive the asymptotic distributions of boundary corrected estimators. Interestingly, the boundary corrected estimators can be bootstrapped without subsampling or additional nonparametric smoothing which is not the case for the interior point. The Monte Carlo experiments indicate that shape restrictions can improve dramatically the finite-sample performance of unrestricted estimators. Lastly, we estimate the causal effect of incumbency in U.S. House elections via the isotonic regression discontinuity design.