Correcting invalid regression discontinuity designs with multiple time period data
利用多期数据修正失效的回归不连续设计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：摘要直接研究 RD 连续性假设失效时的局部因果效应识别与估计，多期数据服务于识别修正，最直接归入因果推断。
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
利用多期数据修正失效的回归不连续设计
- 研究问题
- 当其他政策也在同一阈值实施、破坏潜在结果均值连续性时，如何利用多期数据识别处理者或未处理者的局部效应？
- 方法与思路
- 作者刻画清晰与模糊 RD 的连续性违背偏差，建立多期识别框架，并扩展局部线性及偏差校正估计以适应不同抽样。
- 材料陈述的贡献
- 摘要称框架覆盖延续效应和随时间变化的运行变量，讨论额外识别要求，并通过模拟及意大利财政规则应用展示用途。
- 阅读关注点
- 应核对跨期限制如何分离目标处理与其他阈值效应，以及延续效应、运行变量变化和不同抽样方案所需的额外假设。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出具体跨期假设，多期数据本身不能保证修正有效。
原文摘要
Regression Discontinuity (RD) designs rely on the continuity of potential outcome means at the cutoff, but this assumption often fails when other treatments or policies are implemented at this cutoff. We characterize the bias in sharp and fuzzy RD designs due to violations of continuity, and develop a general identification framework that leverages multiple time periods to estimate local effects on the (un)treated. We extend the framework to settings with carry-over effects and time-varying running variables, highlighting additional assumptions needed for valid causal inference. We propose an estimation framework that extends the conventional and bias-corrected single-period local linear regression framework to multiple periods and different sampling schemes, and study its finite-sample performance in simulations. Finally, we revisit a prior study on fiscal rules in Italy to illustrate the practical utility of our approach.