การออกแบบรีเกรสชันไม่ต่อเนื่อง: ตรรกะและข้อจำกัด
ทำความเข้าใจการจัดสรรตามจุดตัด ความต่อเนื่อง RDD แบบ sharp และ fuzzy รีเกรสชันเชิงเส้นเฉพาะที่ การเลือกแบนด์วิดท์ การตรวจวินิจฉัยการบิดเบือน และการประยุกต์ใช้กับเกณฑ์ทางการเงิน
คำตอบโดยตรง
การออกแบบรีเกรสชันไม่ต่อเนื่องใช้กฎที่ทำให้ความน่าจะเป็นในการได้รับการปฏิบัติเปลี่ยนแบบไม่ต่อเนื่อง เมื่อตัวแปรวิ่ง เช่น คะแนน ขนาด หรืออัตราส่วน ข้ามจุดตัดที่ทราบค่า หากผลลัพธ์ศักย์ของหน่วยที่ไม่ได้รับการปฏิบัติมีความต่อเนื่องที่จุดตัดนั้น และหน่วยต่าง ๆ ไม่สามารถบิดเบือนคะแนนของตนได้อย่างแม่นยำ การกระโดดของผลลัพธ์ที่เหนือจุดตัดเทียบกับใต้จุดตัดเพียงเล็กน้อยก็สามารถระบุผลเชิงสาเหตุเฉพาะที่ได้ ผลลัพธ์นี้ใช้กับหน่วยใกล้จุดตัด และอาจไวต่อแบนด์วิดท์ รูปแบบฟังก์ชัน และกฎอื่นที่เปลี่ยนที่เกณฑ์เดียวกัน
กฎการจัดสรรสร้างการเปรียบเทียบ
กฎที่ให้การปฏิบัติแก่หน่วยเมื่อตัวแปรวิ่ง R ถึงจุดตัด c จะเปลี่ยนสถานะการปฏิบัติที่ขอบเขต สำหรับหน่วยที่มีค่า R แทบเหมือนกัน
หากลักษณะที่สังเกตได้และไม่ได้สังเกตได้เคลื่อนไหวอย่างราบรื่นใกล้ c ขณะที่มีเพียงการปฏิบัติที่กระโดด หน่วยคนละด้านก็เป็นการเปรียบเทียบเฉพาะที่
RDD ต้องมีกลไกการจัดสรรแบบไม่ต่อเนื่องที่กำหนดจากภายนอก ไม่ใช่เพียงความสัมพันธ์ไม่เชิงเส้นตามอำเภอใจระหว่างผลลัพธ์กับตัวแปรถดถอย
ความต่อเนื่องเชื่อมโยงค่าตรงข้าม
ความต่อเนื่องของค่าเฉลี่ยแบบมีเงื่อนไขของผลลัพธ์ศักย์ของหน่วยที่ได้รับและไม่ได้รับการปฏิบัติที่ c หมายความว่า ผลลัพธ์จะไม่กระโดดที่ขอบเขตนั้นหากไม่มีการปฏิบัติ
ดังนั้น หากตัวกำหนดผลลัพธ์อื่นทั้งหมดเปลี่ยนอย่างราบรื่น การไม่ต่อเนื่องของผลลัพธ์ที่สังเกตได้จึงสามารถระบุให้การปฏิบัติเป็นสาเหตุเฉพาะที่ได้
หากโครงการอื่น อัตราภาษี หน้าที่เปิดเผยข้อมูล หรือแรงจูงใจเปลี่ยนที่จุดตัดเดียวกัน การกระโดดครั้งเดียวไม่สามารถแยกการปฏิบัติเพียงรายการเดียวได้
แบบ sharp และ fuzzy ระบุผลที่ต่างกัน
ใน RDD แบบ sharp กฎจะสลับการปฏิบัติจากศูนย์เป็นหนึ่งโดยสมบูรณ์ ทำให้การกระโดดของผลลัพธ์เป็นผลการปฏิบัติเฉลี่ยเฉพาะที่
ใน RDD แบบ fuzzy จุดตัดเปลี่ยนเพียงความน่าจะเป็นของการปฏิบัติ ดังนั้นการกระโดดของผลลัพธ์หารด้วยการกระโดดของความน่าจะเป็นในการปฏิบัติจะให้ผลเฉพาะที่แบบ IV
การกระโดดในระยะแรกที่เล็กทำให้ RDD แบบ fuzzy เป็นปัญหาตัวแปรเครื่องมืออ่อน ซึ่งมีความไม่แน่นอนสูงและอาจต้องใช้การอนุมานแบบไม่เป็นมาตรฐาน
การฟิตเฉพาะที่ต้องเลือกแบนด์วิดท์
นักวิเคราะห์มักฟิตเส้นเชิงเส้นเฉพาะที่หรือพหุนามดีกรีต่ำแยกกันคนละด้าน แล้วประมาณความแตกต่างระหว่างจุดตัดแกนที่ขอบเขต
แบนด์วิดท์แคบลดอคติจากรูปแบบฟังก์ชัน แต่สูญเสียจำนวนสังเกตและความแม่นยำ ส่วนแบนด์วิดท์กว้างได้ความแม่นยำเพิ่มขึ้น แต่เพิ่มอคติจากข้อมูลที่อยู่ห่างออกไป
พหุนามระดับสูงเพียงเส้นเดียวทั่วทั้งช่วงอาจทำให้ค่าประมาณและช่วงที่ขอบเขตไม่เสถียร จึงควรใช้วิธีเฉพาะที่และตรวจสอบความไวต่อแบนด์วิดท์
การบิดเบือนและการจัดประเภทคุกคามการระบุผล
หากหน่วยต่าง ๆ ปรับ R อย่างแม่นยำเพื่อให้ผ่านเกณฑ์ ลักษณะแฝงอาจไม่ต่อเนื่องข้ามจุดตัดอีกต่อไป และการเปรียบเทียบเฉพาะที่ก็พังลง
ตรวจวินิจฉัยการกระโดดของความหนาแน่นที่ผิดปกติ ความไม่ต่อเนื่องของตัวแปรร่วมที่กำหนดไว้ล่วงหน้า และการขาดหายของข้อมูล พร้อมตระหนักว่าการไม่ปฏิเสธสมมติฐานไม่ได้พิสูจน์ความใช้ได้
R ที่ถูกปัดเศษหรือเป็นค่าจำกัดอาจมีจุดรองรับใกล้ c น้อยเกินไปสำหรับการประมาณแบบต่อเนื่องและการอนุมานมาตรฐาน ดังนั้นควรแสดงจุดรองรับอย่างชัดเจน
แยกเกณฑ์ทางการเงินและบัญชีออกจากกัน
กฎการนำดัชนีเข้า ช่วงเงินกองทุนตามกฎเกณฑ์ จุดตัดคะแนนเครดิต หน้าที่เปิดเผยข้อมูลตามขนาด และเกณฑ์ covenant อาจสร้างแบบการศึกษาที่เป็นไปได้
อันดับสัมพัทธ์ เกณฑ์ที่ประกาศไว้ และดุลยพินิจในการรายงานตัวเลขบัญชี ทำให้เกิดความกังวลเรื่องการบิดเบือนอย่างแม่นยำและการตอบสนองเชิงดุลยภาพ
หากการข้ามเกณฑ์เปลี่ยนสภาพคล่อง การติดตาม กระแสเงิน และกฎระเบียบพร้อมกัน ค่าประมาณนั้นคือผลของชุดปัจจัยดังกล่าว ไม่ใช่เส้นทางใดเส้นทางหนึ่ง
ผลกระทบเป็นผลเฉพาะที่จุดตัด
RDD อาจให้ความเที่ยงตรงภายในสูงที่ขอบเขต แต่ไม่ได้ขยายผลไปยังบริษัทที่อยู่ห่างออกไปหรือระบอบตลาดอื่นโดยอัตโนมัติ
การรวมหลายจุดตัดหรือหลายช่วงเวลาต้องอาศัยสมมติฐานเพิ่มว่า การปฏิบัติ ความหมายของตัวแปรวิ่ง ระดับราคา และผู้เข้าร่วมยังเปรียบเทียบกันได้
หากนโยบายต้องการผลกระทบทั่วทั้งประชากร ให้เสริมค่าประมาณเฉพาะที่ด้วยหลักฐานแยกต่างหากหรือโครงสร้างที่สนับสนุนความเที่ยงตรงภายนอก
รายงานกราฟและการตรวจสอบความไวร่วมกัน
แสดงผลลัพธ์ดิบแบบแบ่งช่วงโดยไม่ปกปิดมากเกินไป เส้นฟิตแยกคนละด้าน จำนวนสังเกต และจุดรองรับของตัวแปรวิ่ง
รายงานค่าประมาณจากหลายแบนด์วิดท์ ลำดับพหุนาม เคอร์เนล การอนุมานที่แก้ไขอคติ การตัดแบบโดนัท และตัวเลือกตัวแปรร่วม
อธิบายกฎการจัดสรร เกณฑ์ที่เกิดขึ้นพร้อมกัน ความเป็นไปได้ของการบิดเบือน ระยะเริ่มต้นแบบ sharp หรือ fuzzy และประชากรเฉพาะที่เป็นตัวแทน
คำถามที่พบบ่อย
การขาดช่วงที่เห็นได้ในเส้นรีเกรสชันเป็น RDD หรือไม่
ไม่ใช่ ต้องมีตัวแปรวิ่งและจุดตัดที่กำหนดไว้ล่วงหน้า ซึ่งเปลี่ยนความน่าจะเป็นในการปฏิบัติแบบไม่ต่อเนื่องก่อนพิจารณาผลลัพธ์
แบบ sharp และ fuzzy RDD ต่างกันอย่างไร
การจัดสรรแบบ sharp กำหนดการปฏิบัติอย่างสมบูรณ์ ส่วนแบบ fuzzy เปลี่ยนความน่าจะเป็น จึงต้องปรับขนาดการกระโดดของผลลัพธ์ด้วยระยะแรก
การทดสอบความหนาแน่นที่ไม่ปฏิเสธสมมติฐานพิสูจน์ว่าไม่มีการบิดเบือนหรือไม่
ไม่ การทดสอบนี้วินิจฉัยรูปแบบการเรียงตัวที่แม่นยำบางประเภท ขณะที่แรงจูงใจเชิงสถาบันและความต่อเนื่องของตัวแปรร่วมที่กำหนดไว้ล่วงหน้ายังต้องประเมิน
ผล RDD ใช้กับทุกบริษัทได้หรือไม่
ไม่โดยอัตโนมัติ ผลนี้ประมาณผลกระทบสำหรับหน่วยใกล้จุดตัด และการอนุมานไปยังหน่วยที่ห่างออกไปต้องมีหลักฐานเพิ่มเติม