Generic Covariate Adjustment for Regression Discontinuity Designs
回归不连续设计中的通用协变量调整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：摘要直接研究回归不连续及回归折点设计的因果估计，并明确讨论分位数处理效应，因此选择因果推断和分布效应。
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
回归不连续设计中的通用协变量调整
- 研究问题
- 回归不连续和回归折点设计中的协变量调整，如何从线性目标量推广到分位数处理效应等非线性目标量，并兼顾一致性与估计效率？
- 方法与思路
- 作者在统一的回归不连续与回归折点框架中采用熵平衡重加权调整协变量，并通过理论、模拟及实证应用比较常规回归调整。
- 材料陈述的贡献
- 摘要称重加权可在非线性目标量下保持一致性并提升效率，在部分常规调整有效的情形还能进一步增效，应用中的统计显著性也随之改变。
- 阅读关注点
- 应核对非线性目标量的识别条件、局部平衡约束、权重与带宽选择，以及效率比较和应用显著性变化是否依赖特定设定。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明具体假设、效率界、应用数据或效应大小，显著性变化本身不能证明识别更可信。
原文摘要
It is standard practice to include covariates in regression discontinuity designs (RDDs) and regression kink designs (RKDs), but the theoretical justification for doing so does not generally extend beyond linear estimands. This paper proposes a novel entropy balancing reweighting approach for covariate adjustment within a general framework of RDDs and RKDs. While conventional regression-based covariate adjustment methods generally fail to deliver consistent estimation for nonlinear estimands such as quantile treatment effects, our reweighting approach achieves consistency while improving efficiency. Moreover, even in settings where the regression-based covariate adjustment method already improves efficiency, our approach can deliver additional efficiency gains. Simulation studies corroborate these theoretical findings. We present an empirical application in which our covariate adjustment yields statistically significant results that would not be obtained without covariate adjustment.