An Evaluation of California's Inmate Classification System Using a Generalized Regression Discontinuity Design
用广义断点回归设计评估加州囚犯分类制度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：摘要明确使用广义断点回归开展制度评估，并分析处理分配过程的可信度，直接涉及因果推断。
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
用广义断点回归设计评估加州囚犯分类制度
- 研究问题
- 断点回归如何用于分类处理和分类结果等更广泛情形，并检验用于分配囚犯拘禁类型的制度及其分配过程可信度？
- 方法与思路
- 作者推广通常的断点回归，重点处理分类处理与响应变量，并采用重抽样敏感性分析考察所假定分配过程的可信度。
- 材料陈述的贡献
- 摘要称该框架突破线性回归与等距结果变量的常见限制，并用于加州囚犯分类制度评估，未报告具体效果结果。
- 阅读关注点
- 应核对分配阈值、处理与结果的编码、效应参数及识别条件，并检查重抽样敏感性分析如何评估分配假设。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；识别条件、应用数据和效果未说明，不能据此认定制度有效或分配近似随机。
原文摘要
Published studies using the regression discontinuity design have been limited to cases in which linear regression is applied to a categorical treatment indicator and an equal interval outcome. This is unnecessarily narrow. We show here how a generalization the usual regression discontinuity design can be applied in a wider range of situations. We focus on the use of categorical treatment and response variables, but we also consider the more general case of any regression relationship. We also show how a resampling sensitivity analysis may be used to address the credibility of the assumed assignment process. The broader formulation is applied to an evaluation of California's inmate classification system, which is used to allocate prisoners to different kinds of confinement.