Local-Polynomial Estimation for Multivariate Regression Discontinuity Designs
Institute of Economic Research Hitotsubashi University（一桥大学经济研究所）；Graduate School of Economics and Management, Tohoku University（东北大学经济管理学院）；Center for Spatial Information Science, The University of Tokyo（东京大学空间信息科学中心）
本文提出了一种多变量回归不连续设计的局部线性估计方法，用于捕捉边界处的异质性治疗效应，并在实证研究中展示了其更小的误差和更短的置信区间。
2026-01-23 econ.EM stat.AP stat.ME
Optimized Regression Discontinuity Designs
在观察性研究中，用于因果推断的回归不连续性方法越来越受欢迎，导致了不同估计策略的扩散，其中大多数涉及首先在治疗分配边界的两侧拟合非参数回归模型，然后报告感兴趣效应的插件估计。然而，在应用中，通常很难以针对特定推断目标进行良好校准的方式调整非参数回归;例如，具有最佳全局样本内拟合的模型可能提供不连续性参数的较差估计。在本文中，我们提出了一种替代方法的估计和统计推断在回归不连续性设计，使用数值凸优化直接获得有限样本极大极小线性估计的回归不连续性参数，受限制的条件响应函数的二阶导数。给定二阶导数的界，我们所提出的方法是完全数据驱动的，并提供了统一的置信区间的回归不连续参数与离散和连续的运行变量。该方法也自然地扩展到多个运行变量的情况。
2018-06-07 stat.ME
Local Randomization Regression Discontinuity Designs when Test Scores are the Running Variable
回归不连续设计（RDD）的内部有效性的解释通常诉诸于这样一种观点，即RDD在处理截点附近是“与”随机的。Cattaneo、Frandsen和Titiunik（2015）是第一个将这一理由充分总结的人，并提出估计RDD局部平均处理效应（LATE）与随机化实验相同。本文探讨了分析RDD作为一个本地的随机试验时，运行变量是一个测试成绩的影响。我推导出了使用局部随机化方法$aρΔ$估计的LATE估计值的偏倚公式。其中，$a$是潜在熟练度与未进行治疗的潜在结果之间的关系，$ρ$是测试可靠性，$Δ$是治疗和对照运行变量值之间的距离。我使用这种偏倚的量化来证明，当运行变量是测试分数或其他人类开发的测量（例如，医学测试）。
2022-09-23 stat.ME
Robust inference for geographic regression discontinuity designs: assessing the impact of police precincts
研究利用地理断点回归设计估计纽约市警察辖区对逮捕率的局部处理效应，提出一种基于重采样且在更弱假设下稳健的检验方法，适用于数值与点过程数据。
2025-06-29 stat.AP stat.ME
Isotonic Regression Discontinuity Designs
本文研究了保序回归在边界点的估计和推断，这是单调回归不连续设计分析中特别感兴趣和需要的一个对象。我们证明了保序回归在这种情况下是不一致的，并得到了边界校正估计量的渐近分布。有趣的是，边界校正估计量可以自举，而无需子采样或额外的非参数平滑，这不是内点的情况。蒙特卡罗实验表明，形状限制可以显着改善有限样本的性能的非限制估计。最后，我们应用保序回归不连续设计来估计美国众议院选举中在职的因果效应。
2020-12-19 econ.EM math.ST stat.AP
Simultaneous Selection of Optimal Bandwidths for the Sharp Regression Discontinuity Estimator
针对截断点处平均程序影响的锐回归间断估计，提出了一种新的带宽选择规则，即截断点左右的局部线性回归估计采用不同的带宽.使用建议的带宽选择规则的估计的渐近均方误差被证明是小于文献中提出的其他带宽选择规则。一个广泛的模拟研究表明，所提出的方法的性能为样本量500，2000，和5000密切匹配的理论预测。
2015-08-07 stat.ME
Analysis of regression discontinuity designs using censored data
在医疗环境中，治疗分配可通过预测患者事件风险的临床重要协变量确定。社会科学文献中有一类称为回归不连续性（RD）设计的方法，可用于估计这种情况下的处理效应。在某些假设下，这样的被估量享有因果解释。然而，很少有作者讨论了RD用于删失数据。在本文中，我们展示了如何估计因果效应下的回归不连续设计的删失数据。建议的估计程序采用一类截尾无偏变换，其中包括逆概率截尾加权和双鲁棒变换方案。仿真研究表明所提出的方法的实用性。
2019-08-09 stat.ME
Robust Uniform Inference for Quantile Treatment Effects in Regression Discontinuity Designs
在回归不连续性和扭结设计中，对因果效应的大带宽具有鲁棒性的推断的实际重要性得到了广泛的认可。现有的强大的方法涵盖了许多情况下，但不处理统一的模糊设计的CDF和分位数过程的推理，尽管它在最近的文献中使用的实证微观经济学。在这方面，本文扩展了文献，通过开发一个统一的框架，推理与鲁棒性对大带宽，适用于统一推理的分位数处理效应在模糊设计，以及所有其他情况下的尖锐/模糊均值/分位数回归不连续性/扭结设计。我们提出了蒙特卡罗模拟研究和经验应用俄克拉荷马州前K计划的评价。
2019-02-23 stat.ME
Improved inference for nonparametric regression and regression-discontinuity designs
University of Bologna（博洛尼亚大学）；Exeter Business School（埃克塞特商学院）；McGill University（麦吉尔大学）；CIREQ（魁北克经济学研究中心）；Aarhus Center for Econometrics（奥胡斯计量经济学中心）；Aarhus University（奥胡斯大学）
本文提出了一种基于自助预翻转的改进非参数推断方法，显著缩短置信区间长度而不影响覆盖率。
2026-03-06 econ.EM stat.ME
A Bayesian Nonparametric Causal Model for Regression Discontinuity Designs
对于非随机化研究，在相对温和的条件下，回归不连续设计（RDD）可用于识别和估计“局部随机化”受试者亚组的因果效应。然而，当前模型通过线性回归将因果推断集中在治疗（与非治疗）变量对因变量均值的影响上。对于RDD，我们提出了一个灵活的贝叶斯非参数回归模型，可以提供准确的估计因果关系的影响，在预测均值，方差，分位数，概率密度，分布函数，或任何其他选择的功能的结果变量。我们通过两个真实的教育数据集的分析来说明该模型，涉及（分别）一个清晰的RDD和一个模糊的RDD。
2015-02-11 stat.ME
Limitless Regression Discontinuity
通常，回归不连续性分析对比单变量回归的极限，因为其自变量$R$从任一侧接近临界点$c$。替代方法的目标是$c$周围小区域的平均处理效应，其代价是假设治疗分配$\mathcal{I}\left[R<c\right]$相对于潜在结局是可预测的。相反，本文中提出的方法假设剩余可忽略性，治疗分配的可忽略性与去趋势的潜在结果。去趋势的影响，而不是普通的最小二乘法，但MM估计，以下一个不同的阶段的样品净化。该方法的推论承认在这两个调整的不确定性，尽管它的适用性是否$R$是离散或连续的，它是唯一强大的领导有效性威胁面临回归不连续设计。
2019-10-04 stat.AP
Extrapolating Treatment Effects in Multi-Cutoff Regression Discontinuity Designs
在非实验环境中，回归不连续（RD）设计是程序评估和因果推断的最可信的识别策略之一。然而，RD处理效应估计值必然是局部的，使得这些效果的外推统计方法成为发展的关键领域。我们介绍了一种新的方法外推的RD效应，依赖于存在多个截止，因此是基于设计的。我们的方法采用了一个易于解释的识别假设，模仿的想法，“共同的趋势”的差异中的差异设计。我们说明了我们的方法与数据的补贴贷款计划在哥伦比亚教育后的出勤率，并提供新的证据，对学生的测试成绩远离截止，确定程序的资格程序的影响。
2020-04-01 econ.EM stat.AP stat.ME
Noise-Induced Randomization in Regression Discontinuity Designs
提出一种利用运行变量外生噪声实现有效随机化的断点回归设计新方法，通过加权平衡潜在变量，补充传统连续性论证。
2025-03-30 econ.EM stat.ME
Regression Discontinuity Designs
回归不连续设计是因果推断和程序评价中应用最广泛的非实验方法之一。在过去的二十年里，统计和计量经济学方法的RD分析已经扩大和成熟，现在有大量的方法学成果的RD识别，估计，推理和验证。我们提供了一个精心策划的审查，围绕两个最流行的框架，用于分析和解释RD设计的方法学文献：连续性框架和局部随机化框架。对于每个框架，我们讨论了三个主要主题：（i）设计和参数，重点是不同类型的RD设置和感兴趣的处理效应;（ii）估计和推理，提出了最流行的方法的基础上局部多项式回归和分析的实验，以及改进，扩展和替代方案;以及（iii）验证和证伪，总结了一系列主要是经验主义的方法来支持RD设计在实践中的有效性。
2022-02-24 econ.EM stat.AP stat.ME
PLRD: Partially Linear Regression Discontinuity Inference
Stanford University（斯坦福大学）
本文提出部分线性回归断点推断方法，解决传统回归断点设计置信区间覆盖率不足和区间过宽的问题，提供有效且短的置信区间及大样本保证。
2026-08-27 econ.EM stat.ME
On Nonparametric Inference in the Regression Discontinuity Design
本文研究了非参数检验在回归不连续设计中的有效性问题。感兴趣的原假设是，在所谓的锐设计中，阈值处的平均处理效应等于预定值。我们首先表明，在大多数文献中使用的假设下，对于\emph{any}测试的权力对任何替代品是有界的大小。这一结果意味着，在这些假设下，任何具有非平凡功效的检验都会表现出尺寸失真。接下来，我们提供了一个充分加强的标准假设下，我们表明，在文献中的一个新的测试可以控制限制大小。
2016-11-15 stat.ME
The Devil is in the Tails: Regression Discontinuity Design with Measurement Error in the Assignment Variable
当协变量（分配变量）超过已知阈值时，回归不连续性（RD）研究设计中的识别取决于治疗概率的不连续性。然而，当分配变量的测量有误差时，治疗概率与观察到的误测分配变量之间关系的不连续性可能会消失。因此，分配变量中存在测量误差对处理效应识别构成直接挑战。本文提供了利用误测的分配变量、治疗状态和结局变量识别RD处理效应的充分条件。我们证明识别分别为离散和连续的分配变量，并研究各种估计程序的性质。我们说明了所提出的方法在实证应用中，我们估计医疗补助的占用和私人医疗保险覆盖面的挤出效应。
2016-09-06 stat.ME
A Practical Introduction to Regression Discontinuity Designs: Foundations
在这个元素和它的伴随元素，马蒂亚斯D。Cattaneo、Nicolas Idrobo和Rocio Titiunik为回归不连续性（RD）设计的分析和解释提供了一个易于访问且实用的指南，鼓励使用一组常见的实践并促进基于RD的经验证据的积累。在该元素中，作者讨论了规范Sharp RD设计的基础，该设计具有以下特征：（i）评分连续分布且只有一个维度，（ii）只有一个截止值，（iii）对治疗分配的依从性完美。在附带的元素中，作者讨论了基本RD设置的实际和概念扩展。
2019-11-21 econ.EM stat.AP stat.CO
A Nonparametric Bayesian Methodology for Regression Discontinuity Designs
在回归不连续性设计中，估计阈值处的平均处理效应的最流行方法之一是局部线性回归（LLR），该方法将更大的权重放在更接近阈值的单元上。我们提出了一个高斯过程回归的方法，作为一个贝叶斯模拟LLR的回归不连续性设计。我们的方法提供了一个灵活的适合治疗和控制响应放置一个一般的平均响应函数之前。此外，与LLR不同的是，我们的方法可以在估计处理效应时将单位加权的不确定性纳入其中。我们证明了我们的方法在估计阈值处的平均处理效应时是一致的。此外，我们发现，通过模拟，我们的方法具有良好的覆盖范围，间隔长度，和均方误差属性相比，标准LLR和国家的最先进的LLR方法。最后，我们探讨了我们的方法在现实世界的例子，通过研究的影响，是第一轮选秀权的表现和发挥时间的篮球运动员在美国国家篮球协会。
2018-09-30 stat.ME
A Regression Discontinuity Design for Ordinal Running Variables: Evaluating Central Bank Purchases of Corporate Bonds
回归间断（RD）是一种广泛应用于因果推断的准试验设计。在标准RD中，治疗分配由连续治疗前变量（即，运行变量）高于或低于预定阈值。就欧洲中央银行的公司部门购买方案而言，该方案涉及大规模购买欧元区公司发行的证券，这一门槛值可以用有序运行变量来界定。由于缺乏有意义的距离测量，该特征对RD估计提出了挑战。为了评估这样的程序，本文提出了一种局部随机化框架下的顺序运行变量的RD方法。该建议首先估计有序运行变量的有序概率模型。然后将分配给治疗的估计概率作为潜在连续运行变量，并用于识别阈值附近的协变量平衡子样本。假设局部unconfoundedness的治疗在子样本中，估计的程序的效果是通过采用加权估计的平均处理效应。两个加权估计-重叠权重和ATT权重-以及他们的增广版本被认为是。我们应用该方法来评估CSPP的因果效应，并发现一个统计上显着的和负面的影响，公司债券发行时的利差。
2020-06-22 stat.ME
Covariate Adjustment in Regression Discontinuity Designs
回归不连续设计是一种广泛应用于因果推断和程序评价的非实验方法。虽然它的规范公式只需要一个分数和一个结果变量，但在实证工作中经常遇到RD分析，其中使用额外的变量进行调整。这种做法导致了对协变量调整在RD分析中的作用的误解，从方法和经验的角度来看。在本章中，我们回顾了协变量调整在RD设计中的不同作用，并为其正确使用提供方法学指导。
2022-08-24 econ.EM stat.ME
A Partial Linear Estimator for Small Study Regression Discontinuity Designs
针对小样本或断点附近数据稀疏的回归断点设计，本文提出一种部分线性估计量，并通过模拟和印第安纳州学校问责分数应用验证其优于现有主流方法。
2025-03-06 stat.ME
Modified BART for Learning Heterogeneous Effects in Regression Discontinuity Designs
本文提出BART-RDD，一种融入回归不连续设计协变量结构的树回归模型，通过约束树分裂确保临界值附近重叠，准确估计断点处处理效应，并首次有效学习条件平均处理效应，经模拟和实证验证。
2024-07-19 stat.ME
Leveraging Covariates in Regression Discontinuity Designs
本文系统阐述了断点回归设计中协变量调整的三重作用：提升估计效率、揭示异质性政策效应及改变目标参数，并给出实证应用指导。
2025-07-18 econ.EM stat.AP
Complex Discontinuity Designs Using Covariates: Impact of School Grade Retention on Later Life Outcomes in Chile
在观察性研究中，回归不连续设计被广泛用于因果推断。然而，它们通常局限于具有简单治疗规则的设置，由单个运行变量确定，具有单个截止值。在智利的教育和青少年犯罪的结果估计年级保留的影响的问题的动机，我们提出了一个框架和方法，复杂的不连续性设计，包括多个治疗规则。在这个框架中，观察到的协变量在因果效应的识别、估计和推广中起着核心作用。识别是非参数的，依赖于一个本地强可验证性假设。估计过程与任何观测研究一样，都是在强可检验性下进行的，但都是在运行变量的截断点附近进行的。我们讨论基于匹配和加权的估计方法，包括互补回归模型调整。我们提出了推广假设，即识别和估计目标人群的平均处理效应。我们还描述了两种方法来选择分析的邻域。我们发现，在智利的年级保留对未来的年级保留有负面影响，但与辍学或青少年犯罪无关。
2022-02-09 stat.AP stat.ME
Persuasion Effects in Regression Discontinuity Designs
本文提出在清晰与模糊RD设计中识别、界定并估计RD说服率的框架，利用局部多项式回归实现推断，并通过公共卫生与媒体应用展示其实证价值。
2025-09-30 econ.EM stat.ME
Estimating the Handicap Effect in the Go Game: A Regression Discontinuity Design Approach
本文对围棋中的障碍效应进行了估计。围棋是一种广泛流行于亚洲和世界其他地区的棋类游戏。该估计利用了比赛中独特的差点分配规则，其中差点的数量随着球员的实力而不连续地变化。从在线平台的游戏档案中收集适合于该估计策略的数据集。结果表明，一个额外的障碍通常会改变游戏的赔率约30%的点，而不同的障碍水平的影响。
2016-06-18 stat.AP
Bias-Aware Inference in Fuzzy Regression Discontinuity Designs
本文提出一种基于局部线性回归的偏差感知置信集，用于模糊断点回归设计，借鉴Anderson-Rubin置信集构造思路，在离散运行变量、甜甜圈设计和弱识别等现有方法失效的情形下仍保持有效性。
2023-09-21 econ.EM stat.ME
Regression Discontinuity Designs Using Covariates
我们研究了当协变量包含在估计中时的断点回归设计。我们研究了局部多项式估计，包括离散或连续协变量的添加剂可分离的方式，但没有施加任何参数限制的基本人口回归函数。我们建议一个协变量调整的方法，保持直观条件下的一致性，并表征估计和推理改进的潜力。我们还提出了新的协变量调整均方误差扩展和强大的偏差校正推理程序，异方差一致和集群稳健的标准误。一个实证说明和广泛的模拟研究。所有方法都在\texttt{R}和\texttt{Stata}软件包中实现。
2018-09-11 econ.EM stat.ME
Dirichlet Process Mixture Models for Regression Discontinuity Designs
回归不连续性设计（RDD）是一种准试验设计，当其分配由连续分配变量的阈值定义时，该设计估计治疗的因果效应。RDD假设测量值在阈值附近带宽内的受试者属于普通人群，因此阈值可以被视为一种随机化装置，将治疗分配给刚好高于阈值的受试者，并将治疗从刚好低于阈值的受试者中排除。带宽选择代表RDD分析的一个强制性决策，因为结果可能对其选择高度敏感。已经提出了一些方法来选择最佳带宽，主要来自计量经济学文献。然而，它们在实践中的使用是有限的。我们提出了一种方法，从应用的角度来解决这个问题，考虑单位的交换，即，它们与测量的协变量的相似性，作为选择分析对象的主要标准，而不管它们与阈值的距离。我们使用Dirichlet过程混合模型对样本进行聚类，以确定平衡和均匀的聚类。我们的建议利用后验相似性矩阵，其中包含两个观测被分配到MCMC样本中的同一聚类的成对概率。因此，我们在RDD分析中仅包括那些具有更强可交换性证据的集群。我们说明了我们的方法的有效性与他汀类药物降低胆固醇水平的影响，使用英国初级保健数据的模拟实验和激励的例子。
2020-03-26 stat.AP stat.ME
A Bayesian Additive Regression Tree Model for Learning Conditional Average Treatment Effects in Regression Discontinuity Designs
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；Arizona State University（亚利桑那州立大学）；Insper（因斯珀学院）
本文提出一种高效的贝叶斯方法，用于回归断点设计中条件平均处理效应的估计，通过适应性划分协变量空间实现可解释的贝叶斯推断。
2026-10-20 stat.ME stat.ML
Breaking Ties: Regression Discontinuity Design Meets Market Design
大城市地区的许多学校申请人数多于座位。集中式学校分配算法使用随机分配的彩票号码或考试成绩等非彩票决胜因素，或两者兼而有之，在超额认购的学校分配座位。纽约市公立高中的比赛就说明了后者，利用考试成绩和其他标准对“经过筛选”的学校的申请者进行排名，并结合未经筛选的“彩票”学校的彩票平局。我们将展示如何识别在这种情况下上学的因果关系。我们的方法概括了回归不连续方法，允许多个治疗和多个运行变量，其中一些是随机分配的。这种推广的关键是一个局部倾向分数，它量化了由彩票和非彩票决胜局引起的学校分配概率。当地的倾向得分适用于纽约市的学校成绩单的预测价值的实证评估。获得高分的学校确实提高了SAT数学成绩，提高了毕业率，尽管远低于OLS的估计。OLS估计中的选择偏差对筛选过的学校来说是惊人的。
2020-12-31 econ.EM stat.AP stat.ME
Identifying average causal effect in regression discontinuity design with auxiliary data
本文针对断点回归设计中远离阈值处平均因果效应难以识别的问题，提出利用辅助变量和额外数据集的识别框架，并给出三种估计方法及渐近推断程序，通过模拟和维生素A补充剂对儿童自闭症严重程度的实证分析验证了方法的有效性。
2025-01-03 stat.ME
Direct Bayesian Additive Regression Trees for Conditional Average Treatment Effects in Regression Discontinuity Designs
Faculty of Economics, Keio University（庆应义塾大学经济学部）
本文提出基于BART的贝叶斯方法，用于在回归断点设计中灵活建模异质处理效应，并通过数值实验验证其有效性。
2026-03-04 stat.ME stat.ML
Extrapolation in Regression Discontinuity Design Using Comonotonicity
提出基于共单调性假设的外推方法，利用局部线性回归估计多协变量清晰断点回归设计中的因果效应，并应用于评估反事实强制暑期学校政策。
2025-06-30 econ.EM stat.ME
Manipulation-Robust Regression Discontinuity Designs
本研究借助运行变量操纵的潜在结果框架，为回归断点设计提出简单的识别低层条件，以两项操纵约束替代现有识别表述，明确连续密度的关键作用，并确立诊断密度检验的辅助假设，使设计具备操纵稳健性。
2024-09-17 econ.EM stat.ME
Regression discontinuity design with right-censored survival data
本文在基于强度的计数过程框架下，研究了不连续回归设计在右删失数据生存分析中的应用。特别是，一个本地多项式回归版本的Aalen加性风险估计作为两个协变量依赖的累积风险率函数之间的差异的估计。该估计量的大样本理论，包括置信区间，考虑到与偏差校正相关的不确定性。正如因果关系文献中的标准一样，模型和理论嵌入了潜在结果框架。两个一般性的结果有关的潜在后果和生存数据的乘性风险模型。
2022-10-05 econ.EM math.ST stat.ME
Boundary Discontinuity Designs: Theory and Practice
Princeton University（普林斯顿大学）
本文提出边界不连续性设计理论与实践，综合实证研究并探讨其在因果效应识别中的应用及改进方法。
2026-02-13 econ.EM stat.AP stat.ME
Small Study Regression Discontinuity Designs: Density Inclusive Study Size Metric and Performance
针对小样本回归不连续设计，提出密度包含研究规模（DISS）度量，通过蒙特卡洛模拟和印第安纳州数据验证其优于总体样本量，并评估非参数估计方法性能。
2024-07-19 stat.ME
A Bayesian Nonparametric Hypothesis Testing Approach for Regression Discontinuity Designs
非连续回归设计是非随机研究中常用的因果推断方法。这是因为它可用于在温和条件下识别和估计因果效应。具体而言，对于每例受试者，研发设计根据分配变量的观察值是否超过固定和已知的临界值分配治疗或非治疗。在本文中，我们提出了一个贝叶斯非参数回归建模方法的RD设计，它利用了当地的随机化功能。在这种方法中，分配变量被视为协变量，标量值混杂变量被视为因变量（可能是多变量混杂评分）。然后，在模型的局部随机化受试者的后验分布上，通过治疗结局和非治疗结局的两组统计学比较，在该随机群内进行因果效应的推断。我们通过对一个真实的教育数据集的分析，说明贝叶斯非参数方法，调查基本技能和教学能力之间的因果关系。
2014-02-09 stat.ME
The Expediting Effect of Monitoring on Infrastructural Works. A Regression-Discontinuity Approach with Multiple Assignment Variables
权力下放的各级政府往往被委托管理公共工程，并被要求确保及时向社区提供基础设施。我们调查了在当地采购当局管理的工程的执行阶段监测其活动是否可以加快基础设施交付过程。专注于意大利的区域法律，规定由地方政府对当地买家进行的“战略”工程进行监测，我们得出因果关系索赔使用回归不连续的方法，不寻常的存在多个分配变量。通过离散时间生存分析技术进行估计。结果表明，监测确实加快了基础设施的交付。
2021-02-16 econ.GN q-fin.EC stat.AP
Inference in Regression Discontinuity Designs with High-Dimensional Covariates
我们研究了断点回归设计，其中许多预定的协变量，可能比观察的数量多得多，可以用来提高处理效应估计的精度。我们考虑一个两步估计，首先选择一个小数目的“重要”的协变量通过本地化的拉索型程序，然后，在第二步中，估计的处理效应包括选定的协变量线性到通常的本地线性估计。我们提供了一个深入的分析算法的理论性质，表明，在近似稀疏条件下，所得到的估计是渐近正态的，渐近偏差和方差，在概念上类似于那些在低维设置。带宽选择和推断可以使用标准方法来执行。我们还提供了模拟和实证应用。
2022-05-05 econ.EM stat.AP
Inference in Regression Discontinuity Designs with Clustered Data
University of Bonn（波恩大学）；Ludwig Maximilian University of Munich（慕尼黑大学）；University of Mannheim（曼海姆大学）
本文提出一种基于模型的框架，推导出标准局部线性RD估计量在聚类数据下的渐近正态性条件，并提出新的方差估计方法以解决现有方法的不一致性和保守性问题。
2026-03-19 econ.EM stat.ME
The Local Randomization Framework for Regression Discontinuity Designs: A Review and Some Extensions
回归不连续设计（RDD）是经济学和统计学中常见的准实验。用于分析RDD的最流行的方法利用基于连续性的假设和局部多项式回归，但最近的工作已经开发了基于局部随机化的替代假设。局部随机化框架通过将假设放置在截止点附近的分配机制上来避免建模假设。然而，大多数工作都集中在完全随机分配机制，这意味着倾向得分是相等的所有单位附近的截止。在我们对局部随机化框架的审查中，我们扩展了框架以允许任何分配机制，使得倾向得分可能不同。我们概述了随机化测试，可用于选择一个窗口周围的截止点，其中一个特定的分配机制是最合理的，以及估计因果关系的方法后，窗口和分配机制的选择。我们运用我们的方法来模糊RDD评估在意大利的大学辍学率的经济援助的影响。我们发现，在一个单一的RDD中设定不同的分配机制可以提供更细致的敏感性分析，以及更精确的因果关系的推断。
2019-11-05 stat.ME
Bayesian modelling for binary outcomes in the Regression Discontinuity Design
回归不连续性（RD）设计是一种准试验设计，其通过利用根据连续变量分配治疗的情况来模拟随机化研究，这在许多药物治疗指南中很常见。研发设计文献主要关注持续结局。在本文中，我们利用RD设计和工具变量之间的联系，以获得一个因果效应估计，治疗的风险比（RRT），为RD设计时的结果是二进制的。有时RRT估计量可以给出负的置信下限。在贝叶斯框架中，我们施加了先验约束，以防止这种情况发生。这是新颖的，在频率论框架中不能轻易复制。我们比较我们的估计，估计方程和广义矩量法的基础上。基于广泛的模拟，我们的方法相比，这两种方法。我们将我们的方法应用于真实示例，以估计他汀类药物对低密度脂蛋白（LDL）胆固醇水平达到推荐水平的可能性的影响。
2016-07-27 stat.ME
Regression Discontinuity Designs Under Interference
Yale University（耶鲁大学）；Tor Vergata University of Rome（罗马托尔维加塔大学）
该研究拓展了断点回归设计的连续性框架，提出多得分RDD方法与基于距离的非参数估计量以分析网络干扰下的因果效应，并通过PROGRESA数据验证了方法在估计现金转移支付入学效应的有效性。
2026-09-09 stat.ME
Regression Discontinuity Designs for Functional Data and Random Objects in Geodesic Spaces
The University of Tokyo（东京大学）；University of California, Davis（加州大学戴维斯分校）；London School of Economics（伦敦政治经济学院）
该研究针对测地空间的非欧氏结果提出GRDD方法，通过局部Fréchet回归等技术实现因果推断，经实证验证并拓展至模糊设计，可应用于选举、环境监测等领域。
2026-09-01 stat.ME
Optimizing the tie-breaker regression discontinuity design
受客户忠诚度计划和奖学金计划的激励，我们研究了由随机对照试验（RCT）和回归不连续设计（RDD）混合而成的决胜设计。我们量化了平局决胜设计的统计效率，其中观察的受试者中有一部分$Δ$在RCT中。在双线回归中，统计效率随$Δ$单调增加，因此RCT可使效率最大化。我们指出了决胜局与RDD相比的其他优势：对于非参数回归，边界偏差要小得多，对于二次回归，方差大大减小。对于双线模型，我们可以量化治疗分配的短期价值，该比较有利于较小的$Δ$，RDD最佳。我们解决这些探索和开发目标之间的最佳权衡。通常的决胜局设计对按分配变量排序的中间$Δ$受试者应用RCT。我们量化了其他设计的效率，例如只在从顶部开始的第二个十分位中进行实验。我们还表明，在一些一般的参数模型的蒙特卡罗评估可以取代矩阵代数。
2020-07-30 econ.EM stat.ME
Hierarchical Regression Discontinuity Design: Pursuing Subgroup Treatment Effects
针对RDD中亚组样本量小导致估计不稳定的问题，提出分层贝叶斯方法HRDD，利用伪模型和分层先验借用信息，通过吉布斯采样和Hyvärinen分数实现稳定估计。
2024-11-08 stat.ME
Inference in Regression Discontinuity Designs under Monotonicity
本文给出了在单调条件下，可能有多个运行变量的锐断点回归设计（RDD）的一种推断方法。具体来说，我们考虑的情况下，真正的回归函数是单调的（所有或一些）运行变量，并假设躺在Lipschitz光滑类。这样的单调性条件在许多经验背景下是自然的，并且Lipschitz常数具有直观的解释。我们提出了一个minimax双侧置信区间（CI）和自适应单侧CI。对于双侧CI，研究人员需要选择一个她认为真正的回归函数所在的Lipschitz常数。这是唯一的调优参数，得到的CI具有均匀覆盖，并获得最小最大最优长度。可以构造单侧CI以保持对所有单调函数的覆盖，在Lipschitz常数的选择方面提供最大的可信度。此外，单调性使得CI的（多余）长度能够适应未知回归函数的真实Lipschitz常数。总的来说，所提出的程序可以很容易地看到在什么条件下的基本回归函数的给定的估计是显着的，这可以增加更多的透明度，使用RDD方法的研究。
2020-11-28 econ.EM stat.AP
On the reliability of published findings using the regression discontinuity design in political science
不连续回归设计在弱假设条件下提供了因果效应的识别，使其成为现代政治学研究的标准方法。但识别并不一定意味着因果效应可以用有限的数据准确估计。在本文中，我们强调，估计下的RD设计涉及严重的统计挑战，并探讨这些挑战如何体现在政治学的实证文献。我们收集了2009年至2018年期间发表在顶级政治科学期刊上的所有基于RD的研究结果。已发表结果的分布呈现出病态特征;估计值往往集中在传统的统计显著性水平之上。对所有研究的重新分析表明，研究人员的自由裁量权不是这些功能的主要驱动力。然而，研究人员倾向于使用不适当的方法进行推断，人为地使标准误变小。回顾性功效分析显示，这些研究中的大多数都没有足够的功效来检测除了大效应之外的所有效应。我们发现的问题，结合学术出版中有据可查的选择压力，引起了人们的担忧，即许多使用RD设计的已发表研究结果可能被夸大了。
2023-03-13 stat.ME
Regression Discontinuity Design with Many Thresholds
许多实证研究采用了具有多个截断点和异质处理的断点回归设计。一个常见的做法是将所有截止值归一化为零并估计一个效应。该程序确定了对现有临界值局部个体观察分布的平均处理效应（ATE）。然而，研究人员通常希望对更有意义的ATE进行推断，这些ATE是在个人的一般反事实分布上计算的，而不仅仅是观察到的现有截止点的个人分布。本文提出了一个一致的和渐近正态的估计，这样的ATE时，异质性如下的截断特征的非参数函数在尖锐的情况下。建议的估计收敛在极小极大最优速率的根-n为一个特定的选择的调谐参数。在模糊的情况下，与多个截止，识别是不可能的，除非异质性遵循有限维函数的截止特性。在参数异质性下，本文提出了一种模糊情况下的ATE估计，最佳组合的意见，以最大限度地提高其精度。
2021-01-04 econ.EM stat.ME
Regression Discontinuity Designs: A Decision Theoretic Approach
回归不连续设计（RDD）是一种准试验设计，可用于使用观察数据识别和估计治疗的因果效应。在RDD中，使用预先规定的规则进行治疗分配，只要特定连续变量的观察值大于或等于（小于）固定阈值，则将受试者分配至治疗（对照）组。当严格遵守指南时，会出现清晰的RDD，而当不严格遵守指南时，会出现模糊的RDD。在本文中，我们采取了严格的决策理论的方法，正式研究因果关系的识别和估计在尖锐和模糊RDD。我们使用的语言和条件独立性的演算表达和探索在一个清晰和精确的方式每个RDD隐含的条件，并调查额外的假设下，可以实现的平均因果效应的识别。我们应用的方法在一个例子中，他汀类药物（一类降胆固醇药物）和低密度脂蛋白（LDL）胆固醇之间的关系，使用一组真实的初级保健数据。
2016-01-04 stat.ME
Principled estimation of regression discontinuity designs
回归不连续设计经常被用来估计选举结果和政策干预的因果效应。在这些情况下，通常估计处理效应，包括协变量以提高效率。虽然纳入协变量可渐进提高精密度，但在实践中，处理效应是用少量观察结果估计的，导致处理效应幅度和精密度出现相当大的波动，具体取决于所选的协变量。因此，这种做法激励研究人员选择协变量，最大限度地提高处理效应的统计意义，而不是精度。在这里，我提出了一个原则性的方法来估计RDD，它提供了一种方法，提高精度与协变量，同时尽量减少不利的激励。这是通过将自适应LASSO（一种机器学习方法）集成到RDD估计中来实现的，该方法使用为此目的开发的R包adaptiveRDD。使用模拟，我表明，这种方法显着提高治疗效果的精度，特别是当估计处理效应少于200观察。
2020-05-05 econ.EM stat.AP
