Regresyon Süreksizliği Tasarımı: Mantık ve Limitler
Kesim atamasını, sürekliliği, keskin ve bulanık RDD'yi, yerel doğrusal regresyonu, bant genişliği seçimini, manipülasyon teşhisini ve finansal eşik uygulamalarını anlayın.
Doğrudan yanıt
Regresyon süreksizliği tasarımı, puan, boyut veya oran gibi devam eden bir değişken bilinen bir sınırı geçtiğinde tedavi olasılığını kesintili olarak değiştiren bir kural kullanır. Tedavi edilmeyen potansiyel sonuçlar bu kesim noktasında sürekli ise ve birimler puanlarını tam olarak manipüle edemiyorsa, hemen yukarıya veya aşağıya doğru sonuç sıçraması yerel bir nedensel etkiyi tanımlayabilir. Sonuç, kesime yakın birimler için geçerlidir ve bant genişliğine, işlevsel biçime ve aynı eşik değerinde değişen diğer kurallara duyarlı olabilir.
Bir atama kuralı karşılaştırmayı oluşturur
R değişkeni çalıştırıldığında c kesim noktasına ulaştığında birimleri tedavi eden bir kural, neredeyse aynı R'ye sahip birimlerin sınırdaki işlem durumunu değiştirir.
Gözlemlenen ve gözlemlenmeyen özellikler c'ye yakın bir şekilde hareket ederken yalnızca tedavi atlıyorsa, her iki taraftaki birimler yerel karşılaştırmalar oluşturur.
RDD, yalnızca bir sonuç ile regresör arasında keyfi, doğrusal olmayan bir ilişki değil, harici olarak tanımlanmış bir süreksiz atama mekanizması gerektirir.
Süreklilik karşıt olguyu birbirine bağlar
c'deki işlenmiş ve işlenmemiş potansiyel sonuçların koşullu ortalamalarının sürekliliği, aksi takdirde sonucun sınıra atlamayacağını söyler.
Bu nedenle, diğer tüm sonuç belirleyicilerinin sorunsuz bir şekilde gelişmesi durumunda, gözlemlenen sonuç süreksizliği yerel olarak tedaviye atfedilebilir.
Aynı kesintide başka bir program, vergi oranı, açıklama vergisi veya teşvik değişirse, bir sıçrama tek bir tedaviyi izole edemez.
Keskin ve bulanık tasarımlar farklı efektleri tanımlar
Keskin RDD'de kural, tedaviyi tamamen sıfırdan bire değiştirerek sonucun yerel ortalama tedavi etkisine sıçramasını sağlar.
Bulanık RDD'de kesme noktası yalnızca tedavi olasılığını değiştirir, dolayısıyla sonuç sıçramasının tedavi olasılık sıçramasına bölünmesi IV tipi bir yerel etki verir.
İlk aşamadaki küçük bir sıçrama, bulanık RDD'yi büyük belirsizlik ve potansiyel olarak standart dışı çıkarım içeren zayıf cihaz problemi haline getirir.
Yerel uyum, bant genişliği seçimi gerektirir
Analistler genellikle her iki tarafa ayrı yerel doğrusal veya düşük dereceli polinomlar yerleştirir ve bunların sınır kesişimleri arasındaki farkı tahmin eder.
Dar bir bant genişliği, işlevsel biçim sapmasını azaltır ancak gözlemleri ve kesinliği kaybeder; geniş olan uzak verilerden gelen önyargıyı artırırken hassasiyet kazanır.
Yüksek dereceli bir küresel polinom, sınır tahminlerini ve aralıkları kararsız hale getirerek yerel yöntemleri ve bant genişliği hassasiyeti kontrollerini tercih edebilir.
Manipülasyon ve sınıflandırma, kimlik tespitini tehdit ediyor
Eğer birimler R'yi kalifiye olacak şekilde hassas bir şekilde ayarlarsa, gizli özellikler artık kesim ve yerel karşılaştırma kırılmaları boyunca sürekli olmayabilir.
Olağandışı yoğunluk sıçramalarını, önceden belirlenmiş ortak değişkenlerdeki süreksizlikleri ve eksik gözlemleri teşhis ederken, hiçbir reddedilmemenin geçerliliği kanıtlamadığını kabul edin.
Yuvarlatılmış veya ayrık bir R, sürekli yaklaşımlar ve standart çıkarım için c yakınında çok az destek noktasına sahip olabilir; bu nedenle desteğini açıkça gösterin.
Finansal ve muhasebe eşiklerini ayrıştırın
Endekse dahil etme kuralları, düzenleyici sermaye aralıkları, kredi puanı kesintileri, boyuta dayalı açıklama görevleri ve sözleşme eşikleri aday tasarımlar oluşturabilir.
Göreceli sıralamalar, duyurulan kriterler ve rapor edilen muhasebe değerleri üzerindeki takdir yetkisi, hassas manipülasyon ve denge tepkisi endişelerini artırmaktadır.
Bir eşiğin aşılması likiditeyi, izlemeyi, akışları ve düzenlemeyi birlikte değiştiriyorsa tahmin, tek bir yol yerine bu paketin etkisidir.
Etki kesme noktasında yereldir
RDD, sınırda güçlü bir iç geçerlilik sunabilir ancak otomatik olarak uzaktaki firmalara veya başka bir piyasa rejimine genellenmez.
Birden fazla kesinti veya dönemi bir havuzda toplamak, işleme, değişken değişken anlamına, fiyat düzeyine ve katılımcıların karşılaştırılabilir kaldığına dair ek varsayımlar gerektirir.
Politikanın nüfus çapında bir etkiye ihtiyacı varsa, yerel tahmini dış geçerliliği destekleyen ayrı kanıtlarla veya yapıyla destekleyin.
Grafikleri ve hassasiyeti birlikte raporlayın
Aşırı gizleme olmadan, her iki tarafa ayrı uyumlar, gözlem sayıları ve çalışan değişken desteği olmaksızın gruplanmış ham sonuçları gösterin.
Bant genişlikleri, polinom sıraları, çekirdekler, önyargı düzeltmeli çıkarım, halka hariç tutmalar ve ortak değişken seçimleri genelinde tahminleri raporlayın.
Atama kuralını, eşzamanlı eşikleri, manipülasyon olanaklarını, keskin veya bulanık ilk aşamayı ve temsil edilen yerel popülasyonu açıklayın.
Sık sorulan sorular
Regresyon çizgisinde gözle görülür herhangi bir kırılma RDD midir?
Hayır. Önceden belirlenmiş bir değişken ve kesme noktası, sonuç incelenmeden önce tedavi olasılığını kesintili olarak değiştirmelidir.
Keskin ve bulanık RDD arasındaki fark nedir?
Keskin atama tedaviyi tamamen belirler; Bulanık atama, olasılığını değiştirerek sonuç sıçramasının ilk aşamaya göre ölçeklendirilmesini gerektirir.
Reddedilmemiş yoğunluk testi manipülasyon olmadığını kanıtlar mı?
Hayır. Belirli kesin sıralama modellerini teşhis ederken, kurumsal teşvikler ve önceden belirlenmiş ortak değişken sürekliliği hala değerlendirmeye ihtiyaç duymaktadır.
RDD sonucu her firmaya uygulanabilir mi?
Otomatik olarak değil. Sınıra yakın birimler için bir etki tahmin eder ve uzak birimlere yönelik ekstrapolasyon ek kanıt gerektirir.