Uniform Inference on Quantile Effects under Sharp Regression Discontinuity Designs
尖锐断点回归设计下分位数效应的一致推断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：摘要明确使用尖锐断点回归识别分位数处理效应，并研究效应异质性与一致置信带，因此对应因果推断和分位数与分布效应。
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
尖锐断点回归设计下分位数效应的一致推断
- 研究问题
- 在尖锐断点回归设计中，如何对一组分位数处理效应进行一致推断，并检验处理显著性、效应同质性及效应的无歧义性？
- 方法与思路
- 作者提出得分与Wald型检验及一致置信带，分析非参数估计偏差，并在Wald检验中采用偏差校正、计入校正的估计不确定性。
- 材料陈述的贡献
- 摘要称在特定条件下，得分检验无需欠平滑仍不受偏差影响；手头现金对失业持续时间的应用显示明显异质性，提示关注长期失业者。
- 阅读关注点
- 应核对断点识别条件、所覆盖的分位数范围、得分检验无需欠平滑的条件，以及偏差校正如何进入检验和一致置信带。
- 阅读边界
- 摘要未列出使得分检验对偏差不敏感的具体条件，也未给出应用效应大小；一致推断结论需结合这些条件与分位数范围判断。
原文摘要
This study develops methods for conducting uniform inference on quantile treatment effects for sharp regression discontinuity designs. We develop a score test for the treatment significance hypothesis and Wald-type tests for the hypotheses related to treatment significance, homogeneity, and unambiguity. The bias from the nonparametric estimation is studied in detail. In particular, we show that under some conditions, the asymptotic distribution of the score test is unaffected by the bias, without under-smoothing. For situations where the conditions can be restrictive, we incorporate a bias correction into the Wald tests and account for the estimation uncertainty. We also provide a procedure for constructing uniform confidence bands for quantile treatment effects. As an empirical application, we use the proposed methods to study the effect of cash-on-hand on unemployment duration. The results reveal pronounced treatment heterogeneity and also emphasize the importance of considering the long-term unemployed.