Choosing Who Chooses: Selection‐Driven Targeting in Energy Rebate Programs
选择由谁选择：能源返利项目中的自选择定向政策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：摘要明确使用随机试验、准实验与LATE框架研究政策分配和福利机制。
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
选择由谁选择：能源返利项目中的自选择定向政策
- 研究问题
- 如何结合可观测特征与个体自选择，决定谁接受政策、谁不接受、谁自行选择，从而实现政策制定者的目标？
- 方法与思路
- 作者提出可使用实验或准实验数据的最优分配规则，并在住宅能源返利随机试验中用若干LATE分析自选择机制。
- 材料陈述的贡献
- 摘要称，应用中同时优化可观测定向与自选择优于常规定向，相关LATE帮助辨别哪些人的自选择有益或有害。
- 阅读关注点
- 应核对政策目标、三类分配的可行约束、实验设计与识别条件，以及各LATE如何支持福利机制的解释。
- 阅读边界
- 仅据所给Crossref摘要；未说明福利定义、改善幅度和识别细节，单一项目的结果不能直接推广。
原文摘要
We develop an optimal policy assignment rule that integrates two distinctive approaches commonly used in economics—targeting by observables and targeting through self‐selection . Our method can be used with experimental or quasi‐experimental data to identify who should be treated, be untreated, and self‐select to achieve a policymaker's objective. Applying this method to a randomized controlled trial on a residential energy rebate program, we find that targeting that optimally exploits both observable data and self‐selection outperforms conventional targeting. We use the Local Average Treatment Effect (LATE) framework (Imbens and Angrist (1994)) to investigate the mechanism in our approach. By estimating several key LATEs based on the random variation created by our experiment, we demonstrate how our method allows policymakers to identify whose self‐selection would be valuable and harmful to social welfare.