Regression Discontinuity Designs
断点回归设计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：摘要将断点回归明确定位为非实验因果推断和项目评估方法，并系统讨论处理效应的识别、估计及有效性验证。
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
断点回归设计
- 研究问题
- 断点回归的连续性框架与局部随机化框架分别如何解释处理效应，并组织设计选择、估计推断以及实践中的有效性检验？
- 方法与思路
- 作者围绕两种主要框架梳理方法文献，分别讨论设计和参数、局部多项式或实验分析方法，以及验证和证伪的经验工具。
- 材料陈述的贡献
- 摘要所述贡献是提供经过筛选、按框架组织的断点回归方法综述，覆盖识别、估计、推断和验证，未声称提出新的统一估计量。
- 阅读关注点
- 应核对两种框架的识别对象和假设差异、估计方法的适用设计，以及验证和证伪工具能够支持或排除哪些有效性疑虑。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已通过同行评审或获期刊接收；摘要未列出具体文献、技术条件，也未说明后续刊本变化。
原文摘要
The Regression Discontinuity (RD) design is one of the most widely used non-experimental methods for causal inference and program evaluation. Over the last two decades, statistical and econometric methods for RD analysis have expanded and matured, and there is now a large number of methodological results for RD identification, estimation, inference, and validation. We offer a curated review of this methodological literature organized around the two most popular frameworks for the analysis and interpretation of RD designs: the continuity framework and the local randomization framework. For each framework, we discuss three main topics: (i) designs and parameters, which focuses on different types of RD settings and treatment effects of interest; (ii) estimation and inference, which presents the most popular methods based on local polynomial regression and analysis of experiments, as well as refinements, extensions, and alternatives; and (iii) validation and falsification, which summarizes an array of mostly empirical approaches to support the validity of RD designs in practice.