Noise-Induced Randomization in Regression Discontinuity Designs
断点回归设计中的噪声诱导随机化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中的处理分配、因果效应识别和推断。
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…
断点回归设计中的噪声诱导随机化
- 研究问题
- 当处理由带噪运行变量是否越过阈值决定时，能否利用已知外生噪声提供的随机化，识别和推断因果效应？
- 方法与思路
- 作者利用运行变量中外生噪声的信息，对处理组和对照组加权，使运行变量所测量的潜在变量达到平衡。
- 材料陈述的贡献
- 摘要提出以噪声诱导的有效随机化为基础的断点回归识别、估计与推断策略，补充依靠连续性论证的标准分析。
- 阅读关注点
- 应核对噪声信息的已知程度与外生性、潜在变量平衡的可实现性、目标效应定义，以及加权估计的推断条件。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或被期刊接收；摘要未说明噪声分布要求及可识别效应的范围。
原文摘要
Regression discontinuity designs assess causal effects in settings where treatment is determined by whether an observed running variable crosses a pre-specified threshold. Here we propose a new approach to identification, estimation, and inference in regression discontinuity designs that uses knowledge about exogenous noise (e.g., measurement error) in the running variable. In our strategy, we weight treated and control units to balance a latent variable of which the running variable is a noisy measure. Our approach is driven by effective randomization provided by the noise in the running variable, and complements standard formal analyses that appeal to continuity arguments while ignoring the stochastic nature of the assignment mechanism.