Visual Inference and Graphical Representation in Regression Discontinuity Designs
回归不连续设计中的视觉推断与图形呈现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：摘要明确在回归不连续设计这一因果推断场景中研究图形判断及推断表现。
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…
回归不连续设计中的视觉推断与图形呈现
- 研究问题
- 读者能否从回归不连续图准确识别断点，分箱宽度和拟合线如何影响判断，视觉推断与常用计量推断有何关系？
- 方法与思路
- 作者依据十一篇论文校准数据生成过程，以随机实验比较不同图形表达，再将推荐图形的视觉判断与计量推断程序比较。
- 材料陈述的贡献
- 摘要称分箱宽度与拟合线影响最大，建议以小分箱且无拟合线起步，并报告视觉推断的一类错误率相近或更低。
- 阅读关注点
- 应核对实验参与者、图形生成与断点设置，以及推荐方案对不同信号强度的适用性和一类错误率、检验力的权衡。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出错误率数值与实验覆盖范围，不能推出图形可替代正式推断。
原文摘要
Despite the widespread use of graphs in empirical research, little is known about readers' ability to process the statistical information they are meant to convey ("visual inference"). We study visual inference within the context of regression discontinuity (RD) designs by measuring how accurately readers identify discontinuities in graphs produced from data generating processes calibrated on 11 published papers from leading economics journals. First, we assess the effects of different graphical representation methods on visual inference using randomized experiments. We find that bin widths and fit lines have the largest impacts on whether participants correctly perceive the presence or absence of a discontinuity. Our experimental results allow us to make evidence-based recommendations to practitioners, and we suggest using small bins with no fit lines as a starting point to construct RD graphs. Second, we compare visual inference on graphs constructed using our preferred method with widely used econometric inference procedures. We find that visual inference achieves similar or lower type I error (false positive) rates and complements econometric inference.