Dynamic regression discontinuity under treatment effect heterogeneity
处理效应异质性下的动态断点回归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：摘要直接研究动态断点回归设计中长期平均处理效应的识别、估计与推断。
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…
关注这篇论文的作者
处理效应异质性下的动态断点回归
- 研究问题
- 当同一观测单位可能反复经历断点事件并接受处理时，如何识别长期平均处理效应，并应对动态处理路径与效应异质性？
- 方法与思路
- 作者将静态断点回归扩展为动态框架，在不同组较弱识别假设下提出识别策略及估计推断方法，并重新分析加州地方学校债券。
- 材料陈述的贡献
- 摘要称，论文为重复断点事件下的长期处理效应提供多组识别和推断方案，放宽既有研究采用的限制，并展示政策应用。
- 阅读关注点
- 应核对各组识别假设的具体差异、长期效应对应的处理路径与目标人群，以及重复处理和异质性如何进入估计及推断。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断较弱假设的准确内容、效应识别范围及政策结果；也不能推断相对原研究的数值变化。
原文摘要
Regression discontinuity is a popular tool for analyzing economic policies or treatment interventions. This research extends the classic static RD model to a dynamic framework, where observations are eligible for repeated RD events and, therefore, treatments. Such dynamics often complicate the identification and estimation of long‐term average treatment effects. Empirical papers with such designs have so far ignored the dynamics or adopted restrictive identifying assumptions. This paper presents identification strategies under various sets of weaker identifying assumptions and proposes associated estimation and inference methods. The proposed methods are applied to revisit the seminal study of Cellini, Ferreira, and Rothstein (2010) on long‐term effects of California local school bonds.