Extrapolating Treatment Effects in Multi-Cutoff Regression Discontinuity Designs
多阈值断点回归设计中的处理效应外推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：摘要直接研究多阈值断点回归中的因果处理效应识别与外推。
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…
多阈值断点回归设计中的处理效应外推
- 研究问题
- 断点回归通常识别阈值附近的局部效应，如何利用多个阈值识别远离特定阈值的处理效应并评估其外推边界？
- 方法与思路
- 作者利用多阈值设计提出效应外推方法，识别假设借鉴双重差分的共同趋势思路，并以哥伦比亚补贴贷款项目说明。
- 材料陈述的贡献
- 摘要称提出基于多阈值设计的外推方法，并提供资格阈值之外学生的项目效应证据；未报告具体效应大小。
- 阅读关注点
- 应核对类似共同趋势的假设如何表述、跨阈值比较如何识别反事实，以及外推区间、诊断方法和推断程序。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未列识别假设的正式形式或可外推范围。
原文摘要
In non-experimental settings, the Regression Discontinuity (RD) design is one of the most credible identification strategies for program evaluation and causal inference. However, RD treatment effect estimands are necessarily local, making statistical methods for the extrapolation of these effects a key area for development. We introduce a new method for extrapolation of RD effects that relies on the presence of multiple cutoffs, and is therefore design-based. Our approach employs an easy-to-interpret identifying assumption that mimics the idea of "common trends" in difference-in-differences designs. We illustrate our methods with data on a subsidized loan program on post-education attendance in Colombia, and offer new evidence on program effects for students with test scores away from the cutoff that determined program eligibility.