Optimal Model Selection in RDD and Related Settings Using Placebo Zones
利用安慰剂区域优化断点回归及相关方法的模型选择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：摘要直接研究断点、折点与工具变量等因果设计中的模型选择，并用于政策效应评估。
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
利用安慰剂区域优化断点回归及相关方法的模型选择
- 研究问题
- 断点回归、折点回归及相关工具变量方法中，能否利用真实效应为零的运行变量区域，选择带宽、多项式和其他建模参数？
- 方法与思路
- 作者在安慰剂区域评估候选模型并选择参数组合，讨论渐近最优的充分条件，以模拟、多项政策重评估和 Stata 命令展示方法。
- 材料陈述的贡献
- 摘要称算法能联合选择带宽、多项式及其他参数，也可比较模型类别，并在所述条件下渐近最优、在更一般模拟条件下表现较好。
- 阅读关注点
- 应核对安慰剂区域为何效应为零、该区域误差能否代表目标断点误差、最优性准则及充分条件，以及选择后推断如何实施。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未列出渐近最优条件，安慰剂区域表现能否推广到断点仍需核对。
原文摘要
We propose a new model-selection algorithm for Regression Discontinuity Design, Regression Kink Design, and related IV estimators. Candidate models are assessed within a 'placebo zone' of the running variable, where the true effects are known to be zero. The approach yields an optimal combination of bandwidth, polynomial, and any other choice parameters. It can also inform choices between classes of models (e.g. RDD versus cohort-IV) and any other choices, such as covariates, kernel, or other weights. We outline sufficient conditions under which the approach is asymptotically optimal. The approach also performs favorably under more general conditions in a series of Monte Carlo simulations. We demonstrate the approach in an evaluation of changes to Minimum Supervised Driving Hours in the Australian state of New South Wales. We also re-evaluate evidence on the effects of Head Start and Minimum Legal Drinking Age. Our Stata commands implement the procedure and compare its performance to other approaches.