Joint Inference for the Regression Discontinuity Effect and Its External Validity
回归不连续效应及其外部有效性的联合推断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：摘要明确研究回归不连续处理效应、识别与外推推断，属于因果推断。
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…
关注这篇论文的作者
回归不连续效应及其外部有效性的联合推断
- 研究问题
- 回归不连续设计如何同时推断阈值处处理效应及其局部外部有效性，又能在什么额外限制下对阈值外的处理效应进行外推？
- 方法与思路
- 作者在稳健偏差校正框架下联合推断处理效应及其导数，并引入局部线性处理效应假设，以识别外推效应并构造一致置信带。
- 材料陈述的贡献
- 摘要称，方法将阈值效应与局部外部有效性纳入联合推断，额外假设扩展处理效应导数的用途，并通过实证示例展示实用性。
- 阅读关注点
- 应核对处理效应导数的识别、联合偏差校正和带宽选择，以及局部线性假设覆盖的区间、外推目标与一致置信带条件。
- 阅读边界
- 仅据 Crossref 所载摘要，无法确定外推距离和额外假设的可信度；局部外部有效性不自动保证广泛推广，其他版本变化未说明。
原文摘要
ABSTRACT The external validity of regression discontinuity designs is crucial for informing policy but is rarely examined in applied work. To advance empirical practice, we propose a joint inference procedure for the treatment effect and its local external validity, captured by the treatment effect derivative (TED), within a robust bias correction framework. We further introduce a locally linear treatment effects assumption, which extends the scope of the TED and enables identification and the construction of a uniform confidence band for extrapolated effects. These methods apply to most empirical studies. Empirical illustrations demonstrate their practical usefulness.