Regression Discontinuity Design: Logika dan Batasnya

Aturan yang mentreatment unit ketika variabel running R mencapai cutoff c mengubah status treatment pada batas bagi unit dengan R yang hampir sama

Jika karakteristik yang diamati dan tidak diamati bergerak mulus di dekat c sementara hanya treatment yang melompat, unit di kedua sisi membentuk perbandingan lokal

RDD memerlukan mekanisme penetapan diskontinu yang ditentukan secara eksternal, bukan sekadar hubungan nonlinear arbitrer antara outcome dan regressor

Kontinuitas mean bersyarat dari outcome potensial dengan dan tanpa treatment pada c menyatakan bahwa outcome seharusnya tidak melompat di batas itu karena alasan lain

Karena itu, diskontinuitas outcome yang diamati dapat dikaitkan secara lokal dengan treatment jika semua penentu outcome lain berevolusi secara mulus

Jika program lain, tarif pajak, kewajiban pengungkapan, atau insentif berubah pada cutoff yang sama, satu lompatan tidak dapat mengisolasi satu treatment

Dalam RDD sharp, aturan sepenuhnya mengubah treatment dari nol menjadi satu, sehingga lompatan outcome menjadi local average treatment effect

Dalam RDD fuzzy, cutoff hanya mengubah probabilitas treatment, sehingga lompatan outcome dibagi lompatan probabilitas treatment menghasilkan efek lokal bertipe IV

Lompatan tahap pertama yang kecil menjadikan RDD fuzzy sebagai masalah instrumen lemah dengan ketidakpastian besar dan kemungkinan inferensi nonstandar

Analis biasanya memasang regresi linear lokal atau polinomial berorde rendah secara terpisah di setiap sisi dan mengestimasi perbedaan intersep pada batas

Bandwidth sempit mengurangi bias bentuk fungsi tetapi kehilangan observasi dan presisi; bandwidth lebar memperoleh presisi sambil meningkatkan bias dari data yang jauh

Satu polinomial global berorde tinggi dapat membuat estimasi dan interval di batas tidak stabil, sehingga metode lokal dan pemeriksaan sensitivitas bandwidth lebih disukai

Jika unit menyesuaikan R secara presisi agar memenuhi syarat, karakteristik laten mungkin tidak lagi kontinu di sekitar cutoff dan perbandingan lokal rusak

Diagnosis lompatan densitas yang tidak biasa, diskontinuitas pada kovariat yang telah ditentukan, dan observasi yang hilang, sambil menyadari bahwa tidak menolak tidak membuktikan validitas

R yang dibulatkan atau diskret dapat memiliki terlalu sedikit titik dukungan dekat c untuk pendekatan kontinu dan inferensi standar, sehingga dukungannya harus ditampilkan secara eksplisit

Aturan masuk indeks, pita modal regulasi, cutoff skor kredit, kewajiban pengungkapan berbasis ukuran, dan ambang covenant dapat menciptakan desain kandidat

Peringkat relatif, kriteria yang diumumkan, dan keleluasaan dalam nilai akuntansi yang dilaporkan menimbulkan kekhawatiran tentang manipulasi presisi dan respons keseimbangan

Jika melewati ambang sekaligus mengubah likuiditas, pemantauan, aliran dana, dan regulasi, estimasinya adalah efek dari paket tersebut, bukan satu jalur

RDD dapat menawarkan validitas internal yang kuat di batas tetapi tidak otomatis berlaku untuk perusahaan yang jauh atau rezim pasar lain

Penggabungan beberapa cutoff atau periode memerlukan asumsi tambahan bahwa treatment, makna variabel running, level harga, dan peserta tetap sebanding

Jika kebijakan memerlukan efek untuk seluruh populasi, lengkapi estimasi lokal dengan bukti terpisah atau struktur yang mendukung validitas eksternal

Tampilkan outcome mentah yang dikelompokkan tanpa terlalu banyak penyamaran, pemasangan terpisah di kedua sisi, jumlah observasi, dan dukungan variabel running

Laporkan estimasi di berbagai bandwidth, orde polinomial, kernel, inferensi terkoreksi bias, pengecualian donut, dan pilihan kovariat

Jelaskan aturan penetapan, ambang bersamaan, kemungkinan manipulasi, tahap pertama sharp atau fuzzy, serta populasi lokal yang direpresentasikan