Local Composite Quantile Regression for Regression Discontinuity
断点回归中的局部复合分位数回归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：摘要明确研究断点设计中的处理效应估计、偏误修正检验和置信区间覆盖率，直接属于因果推断方向。
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
断点回归中的局部复合分位数回归
- 研究问题
- 在断点回归设计中，如何利用局部复合分位数回归的边界估计性质改善处理效应估计，并构造覆盖率可靠的置信区间？
- 方法与思路
- 作者将局部复合分位数回归用于断点处的处理效应估计，提出同时修正偏误与标准误的 t 检验，并讨论带宽选择。
- 材料陈述的贡献
- 摘要称该方法在多种数据生成过程中估计准确，修正后的置信区间覆盖率良好，并通过模拟、经典案例重访及配套 R 包展示。
- 阅读关注点
- 核对处理效应的具体目标、断点设计条件、复合分位数的设置，以及偏误和标准误修正如何与带宽选择共同影响覆盖率。
- 阅读边界
- 摘要未说明断点设计类型、误差分布条件或相对基准的量化收益；所述准确性与覆盖率表现不能直接推广到所有断点应用。
原文摘要
We introduce the local composite quantile regression (LCQR) to causal inference in regression discontinuity (RD) designs. Kai, Li and Zou study the efficiency property of LCQR, while we show that its nice boundary performance translates to accurate estimation of treatment effects in RD under a variety of data generating processes. Moreover, we propose a bias-corrected and standard error-adjusted t-test for inference, which leads to confidence intervals with good coverage probabilities. A bandwidth selector is also discussed. For illustration, we conduct a simulation study and revisit a classic example from Lee. A companion R package rdcqr is developed.