Regression Discontinuity Designs Using Covariates
使用协变量的回归不连续设计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：摘要明确研究回归不连续设计中的协变量调整及相应估计和推断。
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…
使用协变量的回归不连续设计
- 研究问题
- 在回归不连续设计中，如何将离散或连续协变量纳入局部多项式估计，在保持一致性的同时改善估计与推断？
- 方法与思路
- 作者研究加性可分的协变量调整，不对总体回归函数施加参数限制，并推导均方误差展开和稳健偏差修正推断。
- 材料陈述的贡献
- 摘要称，所推荐调整在直观条件下保持一致性，并提供异方差与聚类稳健标准误、模拟及实证示例，方法已在 R 和 Stata 实现。
- 阅读关注点
- 应核对协变量调整保持一致性的条件、估计目标与带宽选择，以及偏差修正、聚类标准误和效率改善的具体适用范围。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出完整识别条件，不能据此断定加入任意协变量都会改善推断。
原文摘要
We study regression discontinuity designs when covariates are included in the estimation. We examine local polynomial estimators that include discrete or continuous covariates in an additive separable way, but without imposing any parametric restrictions on the underlying population regression functions. We recommend a covariate-adjustment approach that retains consistency under intuitive conditions, and characterize the potential for estimation and inference improvements. We also present new covariate-adjusted mean squared error expansions and robust bias-corrected inference procedures, with heteroskedasticity-consistent and cluster-robust standard errors. An empirical illustration and an extensive simulation study is presented. All methods are implemented in \texttt{R} and \texttt{Stata} software packages.