Leveraging Covariates in Regression Discontinuity Designs
在回归不连续设计中有效利用协变量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。
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：摘要直接讨论回归不连续设计中的平均因果效应、效应异质性及目标参数。
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
在回归不连续设计中有效利用协变量
- 研究问题
- 在回归不连续设计中，加入协变量如何分别影响平均因果效应估计的效率、异质性分析以及研究者所关注的目标参数？
- 方法与思路
- 文章围绕局部最小二乘回归中的协变量调整，区分提高效率、研究效应异质性和改变目标参数三种用途，并提供实证说明。
- 材料陈述的贡献
- 摘要所述贡献是梳理协变量调整在回归不连续设计中的不同作用，帮助研究者理解调整方式如何影响分析及结论。
- 阅读关注点
- 应核对三种用途各自对应的目标参数与条件，以及协变量如何进入局部回归、效率改善如何衡量和实证说明如何展开。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明具体识别条件、调整公式及效率改善幅度。
原文摘要
It is common practice to incorporate additional covariates in empirical economics. In the context of Regression Discontinuity (RD) designs, covariate adjustment plays multiple roles, making it essential to understand its impact on analysis and conclusions. Typically implemented via local least squares regressions, covariate adjustment can serve three main distinct purposes: (i) improving the efficiency of RD average causal effect estimators, (ii) learning about heterogeneous RD policy effects, and (iii) changing the RD parameter of interest. This article discusses and illustrates empirically how to leverage covariates effectively in RD designs.