Imbens 与 Wager 推出断点回归新估计量 PLRD,误差显著更低
lihua_lei_stat · x · 2026-09-09
诺贝尔经济学奖得主 Guido Imbens 与 Stefan Wager、Aditya Ghosh 发布新论文《PLRD: Partially Linear Regression Discontinuity Inference》(arXiv:2503.09907)。要点:
- 断点回归(RDD)是实证经济学最流行的设计之一,但现有置信区间构造方法在实践中常表现次优。
- 提出 PLRD(部分线性断点回归)估计量,延续 Armstrong-Kolesar (2018) 与 Imbens-Wager (2019) 的最优权重思路。
- 在针对 12 个高知名度 RDD 应用校准的模拟研究中,PLRD 的估计误差显著低于现有方法,置信区间既有效又更短,并给出大样本理论保证。
- 模拟设计用 Wasserstein GAN 生成与原始数据不可区分的合成数据,为计量新方法的可信评估提供了通用模板。
「研究」频道最新
- Meta 研究员分享 capi 训练技巧:按批次比例丢弃样本保住 GPU 效率 — TimDarcet · 2026-09-09
- Common Crawl 发布实验性图嵌入数据集,覆盖 5290 万网站主机 — lhoestq · 2026-09-09
- 3DHarnessBench:前沿 VLM 的 agentic 3D 转代码能力参差不齐 — ftm_guney · 2026-09-09
- Anthropic 研究员讽刺:RL 奖励「新颖性」,AI 或学会掩饰抄袭来源刷分 — suchenzang · 2026-09-09
- 多智能体群体轨迹或是 RL 研究训练数据的关键盲点 — teortaxesTex · 2026-09-09
- OpenAI 纳维-斯托克斯突破:模型仅训练 4 天就开跑 88 小时求解 — haider1 · 2026-09-09