QUANTILE TREATMENT EFFECTS IN REGRESSION KINK DESIGNS
回归折点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：摘要明确研究回归折点设计下二元处理的分位数处理效应，直接涉及因果识别与分布效应两个方向。
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
回归折点设计中的分位数处理效应
- 研究问题
- 在二元处理变量的回归折点设计中，如何识别分位数处理效应，补足摘要指出的既有识别研究空白？
- 方法与思路
- 作者提出二元处理下分位数处理效应的识别结果，并配套发展大样本推断理论、估计指南、模拟和实证示例。
- 材料陈述的贡献
- 摘要称，文章填补二元处理回归折点设计中分位数效应识别的空白，同时提供可用于估计和推断的理论与实践指导。
- 阅读关注点
- 应核对折点如何产生识别信息、识别假设与目标人群，以及分位数效应的定义、估计步骤和推断适用条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体识别条件、证明、模拟数值和实证结论未说明，也不能推断后续刊本变化。
原文摘要
The literature on regression kink designs develops identification results for average effects of continuous treatments (Nielsen et al., 2010, American Economic Journal: Economic Policy 2, 185–215; Card et al., 2015, Econometrica 83, 2453–2483), average effects of binary treatments (Dong, 2018, Jump or Kink? Identifying Education Effects by Regression Discontinuity Design without the Discontinuity), and quantile-wise effects of continuous treatments (Chiang and Sasaki, 2019, Journal of Econometrics 210, 405–433), but there has been no identification result for quantile-wise effects of binary treatments to date. In this article, we fill this void in the literature by providing an identification of quantile treatment effects in regression kink designs with binary treatment variables. For completeness, we also develop large sample theories for statistical inference, present a practical guideline on estimation and inference, conduct simulation studies, and provide an empirical illustration.