Semua panduan opsyen
Eksperimen lokal di kedua sisi ambangBacaan 18 minit

Regression Discontinuity Design: Logika dan Batasnya

Fahami penetapan berbasis ambang, kontinuitas, RDD sharp dan fuzzy, regresi linear lokal, pemilihan bandwidth, diagnostik manipulasi, dan penerapan ambang keuangan

Disediakan oleh Mark · Sumber utama di bawah

Jawapan terus

Reka bentuk ketakselanjaran regresi menggunakan peraturan yang mengubah kebarangkalian rawatan secara tidak berterusan apabila pemboleh ubah berjalan seperti skor, saiz, atau nisbah melintasi titik potong yang diketahui. Jika hasil berpotensi tanpa rawatan berterusan pada titik potong itu dan unit tidak boleh memanipulasi skor dengan tepat, lonjakan hasil tepat di atas berbanding di bawah boleh mengenal pasti kesan kausal setempat. Hasil ini terpakai kepada unit berhampiran titik potong dan boleh sensitif terhadap lebar jalur, bentuk fungsi, serta peraturan lain yang berubah pada ambang yang sama.

Peraturan assignment mencipta perbandingan

Peraturan yang merawat unit apabila pemboleh ubah berjalan R mencapai titik potong c mengubah status rawatan pada sempadan bagi unit dengan R yang hampir sama

Jika ciri yang diperhatikan dan tidak diperhatikan bergerak lancar berhampiran c sementara hanya rawatan yang melonjak, unit di kedua-dua sisi membentuk perbandingan setempat

RDD memerlukan mekanisme assignment tidak berterusan yang ditakrifkan secara luaran, bukan sekadar hubungan bukan linear sewenang-wenangnya antara hasil dan regressor

Keselanjaran menghubungkan kontrafaktual

Keselanjaran min bersyarat bagi hasil berpotensi dirawat dan tidak dirawat pada c mengatakan bahawa hasil tidak akan melonjak pada sempadan tanpa sebab lain

Oleh itu, ketakselanjaran hasil yang diperhatikan boleh dikaitkan secara setempat dengan rawatan jika semua penentu hasil lain berkembang secara lancar

Jika program lain, kadar cukai, kewajipan pendedahan, atau insentif berubah pada titik potong yang sama, satu lonjakan tidak boleh mengasingkan satu rawatan sahaja

Reka bentuk tajam dan kabur mengenal pasti kesan yang berbeza

Dalam RDD tajam, peraturan menukar rawatan sepenuhnya daripada sifar kepada satu, menjadikan lonjakan hasil sebagai kesan rawatan purata setempat

Dalam RDD kabur, titik potong hanya mengubah kebarangkalian rawatan, jadi lonjakan hasil dibahagi dengan lonjakan kebarangkalian rawatan memberikan kesan setempat jenis IV

Lonjakan peringkat pertama yang kecil menjadikan RDD kabur sebagai masalah instrumen lemah dengan ketidakpastian besar dan inferens yang berpotensi tidak standard

Pemadanan setempat memerlukan pilihan lebar jalur

Penganalisis biasanya memadankan regresi linear setempat atau polinomial tertib rendah yang berasingan pada setiap sisi dan menganggar perbezaan antara pintasan sempadannya

Lebar jalur sempit mengurangkan berat sebelah bentuk fungsi tetapi kehilangan pemerhatian dan ketepatan; lebar jalur luas menambah ketepatan sambil meningkatkan berat sebelah daripada data jauh

Satu polinomial global tertib tinggi boleh menjadikan anggaran sempadan dan selang tidak stabil, lalu mengutamakan kaedah setempat serta semakan sensitiviti lebar jalur

Manipulasi dan klasifikasi mengancam pengenalpastian

Jika unit melaraskan R dengan tepat untuk layak, ciri terpendam mungkin tidak lagi berterusan merentasi titik potong dan perbandingan setempat rosak

Diagnosis lonjakan ketumpatan luar biasa, ketakselanjaran dalam kovariat yang telah ditetapkan, dan pemerhatian yang hilang, sambil menyedari bahawa tiada penolakan membuktikan kesahan

R yang dibundarkan atau diskret mungkin mempunyai terlalu sedikit titik sokongan berhampiran c untuk anggaran berterusan dan inferens standard, jadi tunjukkan sokongannya dengan jelas

Huraikan ambang kewangan dan perakaunan

Peraturan kemasukan indeks, jalur modal kawal selia, titik potong skor kredit, kewajipan pendedahan berasaskan saiz, dan ambang covenant boleh mencipta reka bentuk calon

Kedudukan relatif, kriteria yang diumumkan, dan budi bicara terhadap nilai perakaunan yang dilaporkan menimbulkan kebimbangan manipulasi tepat serta tindak balas keseimbangan

Jika melintasi ambang mengubah kecairan, pemantauan, aliran, dan kawal selia serentak, anggaran itu ialah kesan pakej tersebut dan bukannya satu saluran

Kesan adalah setempat pada titik potong

RDD boleh menawarkan kesahan dalaman yang kukuh pada sempadan tetapi tidak secara automatik digeneralisasikan kepada firma jauh atau rejim pasaran lain

Mengumpulkan beberapa titik potong atau tempoh memerlukan andaian tambahan bahawa rawatan, maksud pemboleh ubah berjalan, paras harga, dan peserta kekal setanding

Jika dasar memerlukan kesan seluruh populasi, lengkapkan anggaran setempat dengan bukti berasingan atau struktur yang menyokong kesahan luaran

Laporkan graf dan sensitiviti bersama-sama

Tunjukkan hasil mentah berkelompok tanpa penyamaran berlebihan, padanan berasingan pada kedua-dua sisi, kiraan pemerhatian, dan sokongan pemboleh ubah berjalan

Laporkan anggaran merentasi lebar jalur, tertib polinomial, kernel, inferens dibetulkan bias, pengecualian donut, dan pilihan kovariat

Huraikan peraturan assignment, ambang serentak, kemungkinan manipulasi, peringkat pertama tajam atau kabur, dan populasi setempat yang diwakili

Soalan lazim

Adakah setiap pecahan yang kelihatan dalam garis regresi ialah RDD?

Tidak. Pemboleh ubah berjalan dan titik potong yang telah ditetapkan mesti mengubah kebarangkalian rawatan secara tidak berterusan sebelum hasil diperiksa

Apakah perbezaan antara RDD tajam dan kabur?

Assignment tajam menentukan rawatan sepenuhnya; assignment kabur mengubah kebarangkaliannya dan memerlukan lonjakan hasil diskalakan oleh peringkat pertama

Adakah ujian ketumpatan yang tidak ditolak membuktikan tiada manipulasi?

Tidak. Ia mendiagnosis corak pengisihan tepat tertentu, manakala insentif institusi dan keselanjaran kovariat yang telah ditetapkan masih perlu dinilai

Bolehkah hasil RDD diterapkan kepada setiap firma?

Tidak secara automatik. Ia menganggar kesan untuk unit berhampiran titik potong, dan ekstrapolasi kepada unit jauh memerlukan bukti tambahan

Sumber dan bacaan lanjut

Semakan pantas

Sudah membaca panduan? Uji diri dengan 3 soalan

1 / 3

Soalan 01

Pernyataan manakah yang paling tepat untuk panduan ini — Peraturan assignment mencipta perbandingan?

Pilih jawapan untuk melihat penjelasan

Glosari opsyen