Quantile treatment effects in difference-in-discontinuities designs
断点差分设计中的分位数处理效应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：摘要直接研究断点差分设计的因果识别，并以分位数处理效应刻画分布影响。
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
断点差分设计中的分位数处理效应
- 研究问题
- 当新处理在后期引入、且两期都存在另一项具有断点的政策时，如何识别和估计新处理的分位数效应？
- 方法与思路
- 作者以混杂处理的条件分布效应稳定性为识别限制，构造结果回归或倾向得分模型之一正确即可有效的双重稳健估计与推断。
- 材料陈述的贡献
- 摘要称获得点识别与渐近正态性，并在意大利市镇财政应用中发现，放松约束主要提高分布较低及中间部分的赤字。
- 阅读关注点
- 应核对分布效应稳定性限制的准确含义、断点附近的局部估计方式，以及双重稳健推断成立所需的其他条件。
- 阅读边界
- 仅据所给在线优先版摘要，无法判断识别限制在财政应用中的可信度；摘要未说明具体估计数值、带宽选择与敏感性分析。
原文摘要
Summary This paper studies identification and doubly robust (DR) estimation of quantile treatment effects (QTEs) in difference-in-discontinuities (diff-in-disc) designs when a new treatment is introduced in the post period and a confounding discontinuous policy is present in both periods. We show that QTEs are point identified under a conditional stable-distributional-effect assumption for the confounding treatment, a restriction that is analogous to the distributional parallel trends assumption in the recent difference-in-differences literature. We then propose a DR estimator and inference procedure that remain valid when either the outcome regression or the propensity score model is correctly specified, while avoiding high-dimensional non-parametric adjustment for covariates in the local estimation setting. We establish asymptotic normality of the proposed estimator, and Monte Carlo simulations illustrate its double-robustness and good finite-sample performance. In an application to Italian municipal fiscal data, the estimates suggest that relaxing fiscal constraints increases deficits primarily over the lower and central portions of the distribution, shifting municipalities from surplus or near balance into moderate deficits—a distributional pattern not captured by mean effects.