Identification and Estimation in Fuzzy Regression Discontinuity Designs with Covariates
含协变量的模糊断点回归设计：识别与估计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：摘要明确研究模糊断点设计中的局部平均处理效应、依从性权重及识别估计，属于因果推断方法。
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…
含协变量的模糊断点回归设计：识别与估计
- 研究问题
- 含协变量的模糊断点设计能够点识别哪些条件局部平均处理效应的加权平均，如何选权重以增强第一阶段？
- 方法与思路
- 作者刻画可识别加权效应的条件 Wald 比率，提出按第一阶段跳跃平方加权的 CWLATE，并给出离散协变量下的估计与偏差校正推断。
- 材料陈述的贡献
- 摘要称 CWLATE 最大化第一阶段强度；校准模拟中依从性变化时更稳定、均方误差更低，并给出孕期现金转移应用。
- 阅读关注点
- 核对加权效应可识别的条件、权重定义和强度最大化的比较范围，以及离散协变量估计与稳健偏差校正的实现。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未获核实；摘要未列完整识别条件，模拟优势也不能推广到所有模糊断点设计。
原文摘要
We study fuzzy regression discontinuity designs with covariates and characterize the weighted averages of conditional local average treatment effects (WLATEs) that are point identified. Any identified WLATE equals a Wald ratio of conditional reduced-form and first-stage discontinuities. We highlight the Compliance-Weighted LATE (CWLATE), which weights cells by squared first-stage discontinuities and maximizes first-stage strength. For discrete covariates, we provide simple estimators and robust bias-corrected inference. In simulations calibrated to common designs, CWLATE improves stability and reduces mean squared error relative to standard fuzzy RDD estimators when compliance varies. An application to Uruguayan cash transfers during pregnancy yields precise RDD-based effects on low birthweight.