• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>The econometrics journal >Wild bootstrap for fuzzy regression discontinuity designs: obtaining robust bias-corrected confidence intervals
【24h】

Wild bootstrap for fuzzy regression discontinuity designs: obtaining robust bias-corrected confidence intervals

机译：用于模糊回归不连续性设计的野生自举：获得强大的偏置纠正置信区间

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper develops a novel wild bootstrap procedure to construct robust bias-corrected valid confidence intervals for fuzzy regression discontinuity designs, providing an intuitive complement to existing robust bias-corrected methods. The confidence intervals generated by this procedure are valid under conditions similar to the procedures proposed by Calonico et al. (2014) and related literature. Simulations provide evidence that this new method is at least as accurate as the plug-in analytical corrections when applied to a variety of data-generating processes featuring endogeneity and clustering. Finally, we demonstrate its empirical relevance by revisiting Angrist and Lavy (1999) analysis of class size on student outcomes.
机译：本文开发了一种新型的野生自举过程，用于构建稳健的偏置有效置信区间，用于模糊回归不连续性设计，为现有的稳健校正方法提供直观的补充。通过该程序产生的置信区间在类似于Calonico等人提出的程序的条件下有效。 （2014）和相关文献。模拟提供了证据表明，当应用于具有内能性和聚类的各种数据生成过程时，这种新方法至少与插入式分析校正一样准确。最后，我们通过重新审视血管和夫妇（1999）对学生成果的班级规模分析来展示其经验相关性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号