Regression discontinuity inference with specification error
存在设定误差时的回归不连续推断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：摘要明确研究离散支持下的回归不连续政策评价及效应推断，直接对应因果推断方向。
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
存在设定误差时的回归不连续推断
- 研究问题
- 当 RD 运行变量具有离散支持、阈值附近比较依赖函数形式时，如何把近似函数的设定不确定性纳入政策效应推断？
- 方法与思路
- 作者将真实回归函数相对给定近似函数的偏离建模为随机设定误差，并使推断计入这类误差诱发的组别结构。
- 材料陈述的贡献
- 摘要称，常规标准误忽略该组别结构而往往夸大精度；所提程序处理函数形式不确定性，并具有自然的贝叶斯解释。
- 阅读关注点
- 应核对随机设定误差的分布与组别结构、标准误调整的构造，以及离散支持下政策效应的解释和识别所需条件。
- 阅读边界
- 依据所给工作论文版本摘要，不能推断刊本变化；摘要未说明误差模型的完整条件，不能据此认定程序处理任意函数误设。
原文摘要
A regression discontinuity (RD) research design is appropriate for program evaluation problems in which treatment status (or the probability of treatment) depends on whether an observed covariate exceeds a fixed threshold. In many applications the treatment-determining covariate is discrete. This makes it impossible to compare outcomes for observations "just above" and "just below" the treatment threshold, and requires the researcher to choose a functional form for the relationship between the treatment variable and the outcomes of interest. We propose a simple econometric procedure to account for uncertainty in the choice of functional form for RD designs with discrete support. In particular, we model deviations of the true regression function from a given approximating function -- the specification errors -- as random. Conventional standard errors ignore the group structure induced by specification errors and tend to overstate the precision of the estimated program impacts. The proposed inference procedure that allows for specification error also has a natural interpretation within a Bayesian framework.