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
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
Regression Discontinuity Approaches to Evaluate Threshold-Guided Interventions in Observational Studies
Princeton University（普林斯顿大学）
本文介绍断点回归设计在医学科学中的应用，重点阐述因果解释，并简要提及估计与推断的关键概念，附有医学实证示例。
2026-11-04 econ.EM stat.AP stat.ME
Regression discontinuity aggregation, with an application to the union effects on inequality
本文将断点回归扩展至处理状态为多断点聚合的情形，提出两种新的估计方法识别局部平均因果效应，并应用于美国数据发现州-行业层面新工会化率提高会降低工资不平等。
2024-12-31 econ.EM
Machine Learning Estimation of Heterogeneous Causal Effects: Empirical Monte Carlo Evidence
我们研究有限样本性能的因果机器学习估计异质因果效应在不同的聚合水平。我们采用经验蒙特卡罗研究，依赖于可以说是现实的数据生成过程（DGP）的基础上的实际数据。我们考虑了24种不同的DGP，11种不同的因果机器学习估计量，以及估计效果的三个聚合水平。在主要DGP中，我们允许基于丰富的可观察协变量集选择治疗。我们提供的证据表明，估计可以分为三组。第一组在所有DGP和聚合水平上表现一致。这些估计器有多个步骤来解释治疗和结局过程的选择。第二组仅对特定的DGP表现出竞争性能。第三组明显优于其他估计。
2018-12-17 econ.EM
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
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
Correcting invalid regression discontinuity designs with multiple time period data
针对回归断点设计中因断点处其他政策导致连续性假设失效的问题，提出利用多时期数据的识别与估计框架，可处理滞后效应等场景，并通过模拟和实证研究验证了效用。
2025-02-24 econ.EM
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
Treatment Effect Heterogeneity in Regression Discontinuity Designs
本文针对断点回归设计中缺乏正式异质性分析方法的问题，提出统一的完全交互局部线性模型框架，并建立带宽选择与稳健偏差校正推断方法，用于分析异质性处理效应和检验组间差异。
2025-07-03 econ.EM 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
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
Boundary estimation in the regression-discontinuity design: Evidence for a merit- and need-based financial aid program
本文扩展回归间断设计至多维分配规则，提出非参数估计方法，应用于哥伦比亚助学金项目，揭示处理边界的异质性效应。
2025-10-10 econ.EM
Modified Causal Forests for Estimating Heterogeneous Causal Effects
揭示政策和业务决策在不同粒度级别的因果效应的异质性，为决策者提供了大量的价值。本文通过在多个维度上修改Wager和Athey（2018）提出的因果森林方法，在选择可观察量框架中为多个治疗模型开发了新的估计和推理程序。新的估计量具有理想的理论，计算和实践性质的因果效应的各种聚集水平。虽然经验蒙特卡罗研究表明，他们优于以前建议的估计，应用到积极的劳动力市场方案的评价显示的应用研究的新方法的价值。
2019-07-05 econ.EM stat.ML
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
Regression Discontinuity Design with Spillovers
本文研究了存在线性均值溢出效应时的断点回归设计（RDD），提出将估计的溢出项纳入局部线性回归以恢复直接效应和溢出效应，并验证了估计量的一致性与渐近正态性。
2025-09-13 econ.EM
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
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
Causal Identification under Interference: The Role of Treatment Assignment Independence
Concordia University（康科迪亚大学）；University of Geneva（日内瓦大学）
本文研究了在存在任意干扰时，基于个体治疗反应假设的因果识别公式所识别的因果对象，发现其为平均直接效应，并提出了一种稳健性分析框架。
2026-10-19 econ.EM
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
Heterogeneous Treatment Effects and Causal Mechanisms
Duke University（杜克大学）；New York University（纽约大学）
本文探讨了异质性处理效应如何支持因果机制的推断，指出需额外假设才能证明机制激活，并提供新的解释和研究设计指导。
2025-11-21 econ.EM stat.ME
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
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
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
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
Heterogeneous Responses to Continuous Treatments: A Cluster-Based Causal Framework
Sapienza University of Rome（罗马大学）；University of Molise（莫利塞大学）；University of Campania Luigi Vanvitelli（坎帕尼亚路易吉范维泰利大学）
本文提出基于聚类的因果框架，用于估计连续处理强度与结果之间的异质因果关系，通过分析欧洲凝聚力基金与经济增长的关系，揭示不同地区对资金的响应差异。
2026-03-04 econ.EM stat.ME
Extracting Mechanisms from Heterogeneous Effects: An Identification Strategy for Mediation Analysis
Duke University（杜克大学）
本文提出一种新的识别策略，同时估计处理和中介效应，结合显性与隐性中介分析，利用异质处理效应，无需处理未观察到的混杂因素，通过蒙特卡洛模拟验证其准确性，应用于公共资源治理和投票信息研究。
2026-05-10 econ.EM stat.ME
Hierarchical Gaussian Process Models for Regression Discontinuity/Kink under Sharp and Fuzzy Designs
Texas A&M University（德州农工大学）
我们提出了非参数贝叶斯估计的因果推断利用回归不连续/扭结（RD/RK）下尖锐和模糊设计。我们的估计是基于高斯过程（GP）回归和分类。GP方法是强大的概率机器学习方法，其在导数估计和不确定性量化方面是有利的，从而促进RD/RK模型的RK估计和推断。这些估计器被扩展到具有中间贝叶斯神经网络层的分层GP模型，并且可以被表征为混合深度学习模型。蒙特卡罗模拟表明，我们的估计执行的精度，覆盖率和区间长度方面的竞争估计，有时甚至更好。层次GP模型大大改善了单层GP模型。我们应用所提出的方法来估计美国众议院选举的在职优势。我们的估计表明，在选票份额和在下次选举中获胜的可能性方面都有显着的在职优势。最后，我们提出了一个扩展，以适应协变量调整。
2022-02-28 cs.LG econ.EM stat.ML
Kernel Methods for Causal Functions: Dose, Heterogeneous, and Incremental Response Curves
MIT Economics（麻省理工学院经济学系）；Gatsby Unit, UCL（伦敦大学学院盖茨比研究组）
我们提出了基于核岭回归的非参数因果函数，如剂量，异质性和增量响应曲线的估计。处理和协变量在一般空间中可以是离散的或连续的。由于RKHS特有的分解属性，我们的估计有简单的封闭形式的解决方案。通过对广义核岭回归的分析，证明了在有限采样率下的一致相合性。我们将我们的主要结果扩展到反事实分布和因果函数确定的前门和后门标准。我们实现了国家的最先进的性能在非线性模拟与许多协变量，并进行政策评估的美国就业军团培训计划的弱势青年。
2022-10-21 cs.LG econ.EM math.ST
Instrument Validity for Heterogeneous Causal Effects
本文提出适用于多值处理等更一般场景的异质性因果效应工具变量有效性非参数检验，证明其渐近性质，通过模拟和教育回报率实证验证效果，并补充相关理论工具。
2023-10-10 econ.EM math.ST stat.TH
Designing Discontinuities
Coordinated Science Laboratory, University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校协调科学实验室）
本研究提出量化理论与动态规划方法，设计不连续变量的最优分区以优化因果效应，并通过强化学习高效求解，应用于时区边界设计。
2023-12-28 cs.IT cs.LG econ.EM
Regression Discontinuity Design under Self-selection
在回归不连续性设计中，自选择导致协变量在政策干预两侧的分布不同，这实质上违背了潜在结果连续性假设。由于存在一些间接效应，即自我选择效应，标准RD被估量变得难以解释。我们表明，直接的因果关系的影响下，仍然可以恢复一类被估量。具体而言，我们考虑一类加权平均处理效应为潜在的不同目标人群量身定制。我们表明，在Angrist和Rokkanen（2015）的条件独立假设下，我们的被估量的一个特例可以恢复平均处理效应，另一个例子是Frölich和Huber（2018）最近提出的被估量。我们通过加权局部线性回归框架提出了一组估计，并证明了估计的相合性和渐近正态性。我们的方法可以进一步扩展到模糊RD的情况下。在模拟练习中，我们比较了我们的估计与标准的RD估计的性能。最后，我们将我们的方法应用于两个经验数据集：Lee（2008）中的美国众议院选举数据和Microsoft Bing关于通用第二价格（GSP）拍卖的新数据集。
2019-11-21 econ.EM stat.ME
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
Estimating Heterogeneous Causal Effects with Tree-Based Methods under Imperfect Compliance
University of Duisburg-Essen（杜伊斯堡-埃森大学）
针对不完全依从场景，提出两种非贝叶斯树方法（DRRF-IV和GRF-IV）估计条件依从者平均因果效应，模拟显示性能与BCF-IV相当且计算更快，并应用于ICU及时入院对死亡率影响的子组分析。
2026-09-29 econ.EM stat.ME
Covariate-Adjusted Deep Causal Learning for Heterogeneous Panel Data Models
University of Notre Dame（内布拉斯加大学）
本文提出协变量调整深度因果学习（CoDEAL），结合非线性协变量组件与多输出自编码器因子结构，以估计面板数据中的异质性处理效应，并通过矩阵补全实现反事实插补，理论保证收敛且实证表现优异。
2025-05-26 cs.LG econ.EM stat.ME
Effect Identification and Unit Categorization in the Multi-Score Regression Discontinuity Design with Application to LED Manufacturing
University of Hamburg（汉堡大学）；AMS Osram
本研究提出多评分回归不连续设计中的单元行为分类与模糊性检测方法，通过分解复杂规则改进因果效应估计，并在LED制造数据中验证其降低方差、优化生产政策的有效性。
2025-10-15 cs.LG econ.EM stat.ME
Differentially Private Estimation of Heterogeneous Causal Effects
Stanford University（斯坦福大学）；Microsoft Research（微软研究院）；U.S. Bureau of Economic Analysis（美国经济分析局）
在医疗保健或社会科学等领域估计异质处理效应通常涉及敏感数据，其中保护隐私是重要的。我们介绍了一个通用的元算法估计条件平均处理效应（CATE）与差分隐私（DP）的保证。我们的元算法可以使用简单的单阶段CATE估计器（如S-学习器）和更复杂的多阶段估计器（如DR和R-学习器）。我们利用元算法中的样本分割和差分隐私的并行组合特性进行严格的隐私分析。在本文中，我们实现了我们的方法使用DP-EBM作为基础学习者。DP-EBM是可解释的，具有隐私保证的高精度模型，这使我们能够直接观察DP噪声对学习的因果模型的影响。我们的实验表明，多阶段CATE估计比单阶段CATE或ATE估计产生更大的准确性损失，大部分的差异隐私的准确性损失是由于方差的增加，而不是有偏估计的处理效应。
2022-02-22 cs.CR cs.LG econ.EM
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
The heterogeneous causal effects of the EU's Cohesion Fund
Athens University of Economics and Business（雅典经济与商业大学）；European Commission, Joint Research Centre（欧盟委员会联合研究中心）
本文采用新型因果推断方法，研究欧盟凝聚力基金对地区产出和投资的异质因果效应，发现其影响在初期显著，且与地区基线贫困程度和资金使用比率相关。
2026-01-10 econ.EM econ.GN q-fin.EC
A Large-Scale Empirical Comparison of Meta-Learners and Causal Forests for Heterogeneous Treatment Effect Estimation in Marketing Uplift Modeling
本文通过Criteo Uplift v2.1数据集对比四种CATE估计器，发现S-Learner在Qini系数上表现最佳，且在提升转化率方面有显著提升，同时揭示了异质治疗效应的主要驱动因素。
2026-04-07 cs.LG econ.EM stat.CO
Federated Causal Inference in Heterogeneous Observational Data
Emory University（埃默里大学）；Cornell University（康奈尔大学）；United States Military Academy（美国军事学院）；Harvard University（哈佛大学）；Johns Hopkins University（约翰斯·霍普金斯大学）；Stanford University（斯坦福大学）
针对多站点隐私限制与数据异构性，提出基于倾向得分的联邦因果推断方法，通过本地计算与跨站点聚合估计平均处理效应，并证明其渐近性质及在医疗数据库中的有效性。
2023-04-02 cs.LG econ.EM q-bio.QM
Causal Interpretation of Regressions With Ranks
本文针对含秩回归提出秩平均处理效应（rank-ATE）作为基本因果估计目标，统一解释OLS、2SLS、DiD和RDD的有效估计量，并针对后三种方法开发了更具可解释性的识别策略。
2024-06-08 econ.EM math.ST stat.ME
