Regression discontinuity design: logica e limiti
Comprendi l'assegnazione alla soglia, la continuità, gli RDD sharp e fuzzy, la regressione lineare locale, la scelta della bandwidth, i diagnostici di manipolazione e le applicazioni delle soglie in finanza.
Risposta diretta
Il regression discontinuity design usa una regola che cambia in modo discontinuo la probabilità di trattamento quando una variabile di running, come un punteggio, una dimensione o un rapporto, attraversa una soglia nota. Se i potenziali risultati non trattati sono continui in corrispondenza della soglia e le unità non possono manipolare con precisione il proprio punteggio, il salto del risultato appena sopra rispetto a appena sotto può identificare un effetto causale locale. Il risultato vale per le unità vicine alla soglia e può essere sensibile alla bandwidth, alla forma funzionale e ad altre regole che cambiano alla stessa soglia
Una regola di assegnazione crea il confronto
Una regola che tratta le unità quando la variabile di running R raggiunge la soglia c cambia lo stato di trattamento al confine per unità con R quasi identico
Se le caratteristiche osservate e non osservate si muovono senza discontinuità vicino a c mentre solo il trattamento salta, le unità ai due lati formano confronti locali
L'RDD richiede un meccanismo di assegnazione discontinuo definito esternamente, non semplicemente una relazione non lineare arbitraria tra un risultato e un regressore
La continuità collega il controfattuale
La continuità delle medie condizionate dei potenziali risultati trattati e non trattati in c afferma che il risultato non avrebbe altrimenti fatto un salto al confine
La discontinuità osservata del risultato può quindi essere attribuita localmente al trattamento se tutti gli altri determinanti del risultato evolvono senza discontinuità
Se un altro programma, un'aliquota fiscale, un obbligo di disclosure o un incentivo cambia alla stessa soglia, un unico salto non può isolare un singolo trattamento
I disegni sharp e fuzzy identificano effetti diversi
Nell'RDD sharp, la regola commuta completamente il trattamento da zero a uno, rendendo il salto del risultato un effetto medio locale del trattamento
Nell'RDD fuzzy, la soglia cambia solo la probabilità di trattamento, quindi il salto del risultato diviso per il salto della probabilità di trattamento dà un effetto locale di tipo IV
Un piccolo salto di primo stadio rende l'RDD fuzzy un problema di strumento debole con grande incertezza e inferenza potenzialmente non standard
L'adattamento locale richiede una scelta della bandwidth
Gli analisti adattano comunemente polinomi lineari locali o di basso ordine separati su ciascun lato e stimano la differenza tra le loro intercette al confine
Una bandwidth stretta riduce il bias della forma funzionale ma perde osservazioni e precisione; una ampia guadagna precisione mentre aumenta il bias dovuto ai dati lontani
Un unico polinomio globale di ordine elevato può rendere instabili le stime e gli intervalli al confine, favorendo metodi locali e verifiche di sensibilità alla bandwidth
Manipolazione e classificazione minacciano l'identificazione
Se le unità modificano con precisione R per qualificarsi, le caratteristiche latenti potrebbero non essere più continue attraverso la soglia e il confronto locale si interrompe
Diagnostica salti anomali nella densità, discontinuità nelle covariate predeterminate e osservazioni mancanti, riconoscendo che nessun mancato rifiuto dimostra la validità
Una R arrotondata o discreta può avere troppo pochi punti di supporto vicino a c per approssimazioni continue e inferenza standard, quindi mostra esplicitamente il suo supporto
Scomponi le soglie finanziarie e contabili
Le regole di inclusione negli indici, le fasce di capitale regolamentare, le soglie dei punteggi di credito, gli obblighi di disclosure basati sulla dimensione e le soglie dei covenant possono creare disegni candidati
Classifiche relative, criteri annunciati e discrezionalità sui valori contabili riportati sollevano dubbi sulla manipolazione precisa e sulle risposte di equilibrio
Se attraversare una soglia cambia insieme liquidità, monitoraggio, flussi e regolamentazione, la stima è l'effetto di quel pacchetto, non di un solo canale
L'effetto è locale alla soglia
L'RDD può offrire una forte validità interna al confine, ma non si generalizza automaticamente a imprese lontane o a un altro regime di mercato
Riunire più soglie o periodi richiede ipotesi aggiuntive secondo cui trattamento, significato della variabile di running, livello dei prezzi e partecipanti restino comparabili
Se la politica richiede un effetto sull'intera popolazione, integra la stima locale con evidenze separate o con una struttura che sostenga la validità esterna
Riporta insieme grafici e sensibilità
Mostra i risultati grezzi raggruppati senza occultamento eccessivo, gli adattamenti separati sui due lati, il numero di osservazioni e il supporto della variabile di running
Riporta le stime tra bandwidth, ordini dei polinomi, kernel, inferenza corretta per il bias, esclusioni donut e scelte delle covariate
Descrivi la regola di assegnazione, le soglie concomitanti, le possibilità di manipolazione, il primo stadio sharp o fuzzy e la popolazione locale rappresentata
Domande frequenti
Ogni interruzione visibile in una retta di regressione è un RDD?
No. Una variabile di running e una soglia predeterminate devono cambiare discontinuamente la probabilità di trattamento prima di esaminare il risultato
Qual è la differenza tra RDD sharp e fuzzy?
L'assegnazione sharp determina completamente il trattamento; quella fuzzy ne cambia la probabilità e richiede di scalare il salto del risultato per il primo stadio
Un test della densità che non viene rifiutato dimostra l'assenza di manipolazione?
No. Diagnostica alcuni schemi di ordinamento preciso, mentre gli incentivi istituzionali e la continuità delle covariate predeterminate richiedono comunque una valutazione
Un risultato RDD può essere applicato a ogni impresa?
Non automaticamente. Stima un effetto per le unità vicine alla soglia, e l'estrapolazione a unità lontane richiede ulteriori evidenze