Robust uniform inference for quantile treatment effects in regression discontinuity designs
回归不连续设计中分位数处理效应的稳健一致推断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：摘要明确研究模糊断点设计中的分位数处理效应及分布函数过程推断。
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…
回归不连续设计中分位数处理效应的稳健一致推断
- 研究问题
- 在模糊回归不连续及相关折点设计中，如何对分布函数和分位数处理效应作一致推断，并保持对较大带宽的稳健性？
- 方法与思路
- 作者构建统一推断框架，将对较大带宽稳健的方法扩展至模糊设计中的分布函数与分位数过程，并开展模拟和政策应用。
- 材料陈述的贡献
- 摘要称该框架填补模糊设计下分布函数与分位数过程一致推断的空缺，并覆盖已有情形，应用于俄克拉何马学前教育项目。
- 阅读关注点
- 应核对模糊设计的识别条件、处理效应目标、带宽稳健机制与一致置信集合构造，以及教育项目应用中的设计有效性。
- 阅读边界
- 仅据所给出版社摘要，无法确定允许的带宽范围、具体偏差处理方法或识别假设；模拟与应用的数值结果均未提供。
原文摘要
The practical importance of inference with robustness against large bandwidths for causal effects in regression discontinuity and kink designs is widely recognized. Existing robust methods cover many cases, but do not handle uniform inference for CDF and quantile processes in fuzzy designs. In this light, this paper extends the literature by developing a unified framework of inference with robustness against large bandwidths that applies to uniform inference for quantile treatment effects in fuzzy designs, as well as all the other cases. We present Monte Carlo simulation studies and an empirical application for evaluations of the Oklahoma pre-K program.