A Partial Linear Estimator for Small Study Regression Discontinuity Designs
小样本断点回归设计的部分线性估计量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：摘要明确研究断点回归设计中阈值干预的处理效应估计。
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
小样本断点回归设计的部分线性估计量
- 研究问题
- 教育研究样本较少或阈值附近观测稀疏时，如何估计阈值干预的处理效应？作者寻找传统两侧回归和局部随机化之外的替代方法。
- 方法与思路
- 作者为断点回归设计提出部分线性估计量，通过模拟与若干领先估计量比较，并将其应用于印第安纳州学校问责评分。
- 材料陈述的贡献
- 摘要称，该估计量在若干贴近现实的小样本模拟情形中优于部分现有方法，并提供学校问责场景的实际应用展示。
- 阅读关注点
- 应核对部分线性结构的设定、阈值效应识别条件及推断方法，并检查模拟中的函数形状、阈值附近稀疏程度和比较指标。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出估计公式、理论保证或应用结果，模拟优势不能推广到所有小样本断点设计。
原文摘要
Regression discontinuity (RD) designs are a popular approach to estimating a treatment effect of cutoff-based interventions. Two current estimation approaches dominate the literature. One fits separate regressions on either side of the cutoff, and the other performs finite sample inference based on a local randomization assumption. Recent developments of these approaches have often focused on asymptotic properties and large sample sizes. Educational applications often contain relatively small samples or sparsity near the cutoff, making estimation more difficult. As an alternative to the aforementioned approaches, we develop a partial linear estimator for RD designs. We show in simulations that our estimator outperforms certain leading estimators in several realistic, small-sample scenarios. We apply our estimator to school accountability scores in Indiana.