Estimating Average Treatment Effects in Regression Discontinuity Designs with Covariates under Minimal Assumptions
最小假设下含协变量的断点回归平均处理效应估计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：题名和摘要直接研究断点回归中的处理效应估计、协变量调整及混杂敏感性。
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
最小假设下含协变量的断点回归平均处理效应估计
- 研究问题
- 在断点回归中加入协变量，何时不会改变估计偏差并能降低方差；若运行变量被操纵，相关推断应如何解释？
- 方法与思路
- 作者详细证明协变量调整估计量的渐近正态性，分析偏差和方差变化，并以不要求潜在结果存在的框架讨论混杂敏感性。
- 材料陈述的贡献
- 摘要称，给出协变量不影响偏差的条件，并在一般可逆性条件下证明方差不劣于基准估计，同时支持混杂敏感性分析。
- 阅读关注点
- 应核对所谓最小假设的具体清单、偏差影响消失和方差比较的条件，以及统计断点参数与因果处理效应之间的区别。
- 阅读边界
- 这是 arXiv 预印本，同行评审状态未经核实。摘要未列出具体假设，不要求潜在结果的统计推导并不自动保证因果识别。
原文摘要
We study regression discontinuity designs with the use of additional covariates for estimation of the average treatment effect. We provide a detailed proof of asymptotic normality of the covariate-adjusted estimator under minimal assumptions, which may serve as an accessible text to the mathematics behind regression discontinuity with covariates. In addition, this proof carries at least three benefits. First of all, it allows to draw straightforward consequences concerning the impact of the covariates on the bias and variance of the estimator. In fact, we can provide conditions under which the influence of the covariates on the bias vanishes. Moreover, we show that the variance in the covariate-adjusted case is never worse than in the case of the baseline estimator under a very general invertibility condition. Finally, our approach does not require the existence of potential outcomes, allowing for a sensitivity analysis in case confounding cannot be ruled out, e.g., by a manipulated forcing variable.