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
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
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
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
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
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: 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
Estimation and Inference in Boundary Discontinuity Designs: Distance-Based Methods
Princeton University（普林斯顿大学）
本文研究非参数距离基（各向同性）局部多项式方法，用于估计边界平均处理效应曲线，并建立点态和均匀的识别、估计与推断结果，揭示了边界几何正则性在可行收敛速率和有效推断中的核心作用。
2026-05-25 econ.EM math.ST 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
Regression discontinuity design in perinatal epidemiology and birth cohort research
本文介绍了回归断点设计（RDD）在围产期流行病学和出生队列研究中的应用，分析了其优势及在出生队列研究中面临的挑战。
2022-08-23 stat.AP 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
Temporal discontinuity trials and randomization: success rates versus design strength
本文针对非对称证据下如何选择治疗方法的问题，以克罗恩病为例，证明在异质性效应下刻意治疗分配可优于随机化，并给出时间不连续性设计近似随机试验的条件与新参数。
2024-08-22 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 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
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
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
Evaluating the Causal Effect of University Grants on Student Dropout: Evidence from a Regression Discontinuity Design Using Principal Stratification
回归不连续性（RD）设计通常被解释为局部随机化实验：RD设计可以被认为是一个随机化实验，其单元的强制变量的实现值落在预定阈值附近。出于对意大利大学赠款的评估，我们考虑了一个模糊的RD设计，其中接收的治疗是基于资格标准和自愿申请状态。基于补助金申请和补助金接收状态是分配后（合格后）中间变量的事实，我们使用主要分层框架来定义鲁宾因果模型中的因果被估量。我们提出了一个概率公式的分配机制的基础上的RD设计，重新制定稳定的单位治疗值假设（SUTVA），并作出明确的局部重叠假设的阈值周围的亚群。调用局部随机化假设，而不是更标准的连续性假设。我们还开发了一种基于模型的贝叶斯方法来选择目标亚群，并对多重比较进行调整，并在此框架下对目标因果被估量进行推断。应用该方法的数据，从两个意大利大学，我们发现证据表明，大学助学金是有效的，防止学生从低收入家庭辍学的高等教育。
2015-07-15 stat.AP
Estimation and Inference in Boundary Discontinuity Designs: Location-Based Methods
Princeton University（普林斯顿大学）
本文研究了基于位置的局部多项式处理效应估计器，提出对边界平均处理效应曲线及两个聚合因果参数的点估计与统一推断方法，适用于尖锐和模糊设计，并通过实证应用展示方法。
2026-05-14 econ.EM math.ST stat.AP
rd2d: Causal Inference in Boundary Discontinuity Designs
Princeton University（普林斯顿大学）
本文介绍rd2d软件包，用于边界断点设计中基于局部多项式估计的因果效应推断，支持双变量得分或单变量符号距离得分，并提供带宽选择、偏差校正、置信带等功能。
2026-05-28 econ.EM stat.CO stat.ME
Distributional Discontinuity Design
Iowa State University（爱荷华州立大学）；Carnegie Mellon University（卡内基梅隆大学）
本文提出分布不连续性设计，通过Wasserstein距离估计因果效应，量化分布偏移并分析效应异质性。
2026-02-22 econ.EM math.ST stat.ME
A Note on Doubly Robust Estimator in Regression Discontinuity Designs
Department of Basic Science, The University of Tokyo（东京大学基础科学系）
本文提出了用于断点回归设计的双稳健估计量（DR-RD），通过结合两个条件期望结果估计量，在至少一个估计量一致时即可保证处理效应估计的一致性，从而增强了估计的稳健性。
2025-01-27 cs.LG econ.EM math.ST
Safe Policy Learning under Regression Discontinuity Designs with Multiple Cutoffs
本文针对多断点回归断点设计提出一种稳健优化策略学习方法，通过分解可识别与不可识别效用成分并利用多断点平滑性假设，学习具有安全性保证的最优处理断点，并建立渐近遗憾界。
2024-09-04 econ.EM stat.ME
Non-parametric Causal Inference in Dynamic Thresholding Designs
Stanford University（斯坦福大学）
针对动态阈值设计中的因果推断问题，提出一种非参数局部线性回归估计量，用于识别边际政策效应，并嵌套静态回归间断设计参数。
2026-05-21 econ.EM stat.ME
A Guide to Regression Discontinuity Designs in Medical Applications
本文为生物医学中的回归断点设计提供实用指南，涵盖连续性和局部随机化框架下的估计、推断及证伪检验，并通过三个实证应用展示模糊和离散分数RD设计，附有Python、R和Stata复制材料。
2023-05-16 econ.EM stat.AP stat.ME
Nonparametric Treatment Effect Identification in School Choice
本文提出非参数方法识别学校分配中的处理效应，分析了原子处理效应的识别与估计，并推荐新的聚合方案以处理回归不连续性驱动的异质性。
2025-12-29 econ.EM stat.ME
The Classification Permutation Test: A Nonparametric Test for Equality of Multivariate Distributions
确定因果关系的金标准是随机对照实验。在社会科学和医学的许多应用中，研究人员不控制分配机制，而是可能依赖于自然实验，回归不连续设计，随机对照试验，或匹配方法作为实验随机化的替代品。随机分配的标准可检验含义是处理单位和对照单位之间的协变量平衡。因此，协变量平衡通常用于验证“假设”随机分配的声明。本文提出了一种新的协变量平衡的非参数检验方法。我们的分类排列测试（CPT）是基于分类方法（例如，逻辑斯谛回归或随机森林）与费舍尔排列推理的组合。CPT保证具有正确的覆盖率，并且在所选分类器的弱假设下是一致的。为了说明使用CPT的好处，我们重新审视了四个真实数据的例子：Lyall（2009）; Green and Winik（2010）; Eggers and Hainmueller（2009）;以及Rouse（1995）。蒙特卡罗功率模拟被用来比较CPT两个现有的非参数检验的多元分布的平等。
2016-11-19 stat.AP
