Bayesian Fuzzy Regression Discontinuity Analysis and Returns to Compulsory Schooling
贝叶斯模糊断点回归分析与义务教育回报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：摘要明确利用政策导致的离校概率断点估计潜在遵从者的教育回报，采用模糊断点设计，直接对应因果推断方法。
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
贝叶斯模糊断点回归分析与义务教育回报
- 研究问题
- 英国1947年将最低离校年龄从14岁提高至15岁后，对遵从政策者而言，多受一年教育会如何影响其后续对数收入？
- 方法与思路
- 作者利用政策实施时点附近年满14岁的队列在离校概率上的跳跃，构建贝叶斯模糊断点框架，估计潜在政策遵从者的教育回报。
- 材料陈述的贡献
- 作者提出针对潜在政策遵从者的贝叶斯模糊断点框架，估计额外一年教育对后续对数收入的影响，并用英国综合住户调查构建的新数据集展示。
- 阅读关注点
- 核对断点附近群体的可比性、政策影响收入的渠道及潜在遵从者的界定，并检查先验设定、后验计算与结果的敏感性。
- 阅读边界
- 摘要未给出教育回报的数值、后验不确定性或识别条件；目标限于潜在政策遵从者，能否推广至其他人群需阅读全文判断。
原文摘要
Summary This paper is concerned with the use of a Bayesian approach to fuzzy regression discontinuity (RD) designs for understanding the returns to education. The discussion is motivated by the change in government policy in the UK in April of 1947, when the minimum school leaving age was raised from 14 to 15—a change that had a discontinuous impact on the probability of leaving school at age 14 for cohorts who turned 14 around the time of the policy change. We develop a Bayesian fuzzy RD framework that allows us to take advantage of this discontinuity to calculate the effect of an additional year of education on subsequent log earnings for the (latent) class of subjects that complied with the policy change. We illustrate this approach with a new dataset composed from the UK General Household Surveys. Copyright © 2015 John Wiley & Sons, Ltd.