Hierarchical Regression Discontinuity Design: Pursuing Subgroup Treatment Effects
层级断点回归设计：估计子群体处理效应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。
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：摘要直接以断点回归设计估计子群体异质处理效应，并用层级贝叶斯方法稳定因果效应推断。
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…
层级断点回归设计：估计子群体处理效应
- 研究问题
- 当断点回归各子群体的样本较小、效应估计不稳定时，如何借用其他子群体的信息，稳定估计异质处理效应？
- 方法与思路
- 作者提出层级贝叶斯断点回归，以损失函数构造伪模型和层级先验，用 Gibbs 抽样计算后验，并以 Hyvärinen 分数选择带宽。
- 材料陈述的贡献
- 摘要称，层级方法通过子群体间信息共享，在模拟和真实数据中获得比各组单独标准断点回归更稳定的点估计与区间估计。
- 阅读关注点
- 应核对伪模型与目标效应的关系、层级先验的收缩机制、带宽选择规则，以及子群体差异较大时区间校准和偏差表现。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未获核实；摘要未说明具体断点识别条件、先验敏感性或区间覆盖结果。
原文摘要
Regression discontinuity design (RDD) is widely adopted for causal inference under intervention determined by a continuous variable. While one is interested in treatment effect heterogeneity by subgroups in many applications, RDD typically suffers from small subgroup-wise sample sizes, which makes the estimation results highly instable. To solve this issue, we introduce hierarchical RDD (HRDD), a hierarchical Bayes approach for pursuing treatment effect heterogeneity in RDD. A key feature of HRDD is to employ a pseudo-model based on a loss function to estimate subgroup-level parameters of treatment effects under RDD, and assign a hierarchical prior distribution to ''borrow strength'' from other subgroups. The posterior computation can be easily done by a simple Gibbs sampling, and the optimal bandwidth can be automatically selected by the Hyvärinen scores for unnormalized models. We demonstrate the proposed HRDD through simulation and real data analysis, and show that HRDD provides much more stable point and interval estimation than separately applying the standard RDD method to each subgroup.