Extending the regression-discontinuity approach to multiple assignment variables
将断点回归推广至多个分配变量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。
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：摘要明确推广断点回归设计，并以多个分配变量的阈值估计处理效应。
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…
将断点回归推广至多个分配变量
- 研究问题
- 当多个分配变量各自具有外生规定的阈值，并共同决定不同处理时，如何推广传统单变量断点回归来估计处理效应？
- 方法与思路
- 作者构造同时包含多个分配变量的一般化、灵活断点回归模型，通过拟合该模型估计若干感兴趣的处理效应。
- 材料陈述的贡献
- 摘要称，该推广突破仅使用单一分配变量的设定，使多个阈值共同决定处理的情形能够在同一回归框架中分析。
- 阅读关注点
- 应核对多维阈值边界与处理区域的定义、各效应对应的比较对象，以及识别条件、拟合方式和边界附近样本要求。
- 阅读边界
- 仅据所给出版社摘要，无法判断连续性等具体识别假设、带宽和推断方法，也未说明效应对应哪些人群或边界。
原文摘要
The recent scholarly attention to the regression-discontinuity design has focused exclusively on the application of a single assignment variable. In many settings, however, exogenously imposed cutoffs on several assignment variables define a set of different treatments. In this paper, we show how to generalize the standard regression-discontinuity approach to include multiple assignment variables simultaneously. We demonstrate that fitting this general, flexible regression-discontinuity model enables us to estimate several treatment effects of interest.