[논문 리뷰] A Practical Introduction to Regression Discontinuity Designs: Extensions

Matias D. Cattaneo, Nicolás Idrobo외 1명|arXiv (Cornell University)|2023. 01. 21.

Advanced Statistical Methods and Models인용 수 51

한 줄 요약

이 모노그래프는 로컬 랜덤화 프레임워크, 퍼지 RD, 이산 실행 변수, 다차원 설계 등을 포함하여 RD 방법론을 확장하고, 실증 응용 및 재현 코드 제공.

ABSTRACT

This monograph, together with its accompanying first part Cattaneo, Idrobo and Titiunik (2020), collects and expands the instructional materials we prepared for more than $50$ short courses and workshops on Regression Discontinuity (RD) methodology that we taught between 2014 and 2023. In this second monograph, we discuss several topics in RD methodology that build on and extend the analysis of RD designs introduced in Cattaneo, Idrobo and Titiunik (2020). Our first goal is to present an alternative RD conceptual framework based on local randomization ideas. This methodological approach can be useful in RD designs with discretely-valued scores, and can also be used more broadly as a complement to the continuity-based approach in other settings. Then, employing both continuity-based and local randomization approaches, we extend the canonical Sharp RD design in multiple directions: fuzzy RD designs, RD designs with discrete scores, and multi-dimensional RD designs. The goal of our two-part monograph is purposely practical and hence we focus on the empirical analysis of RD designs.

연구 동기 및 목표

• 정형 샤프 RD 설계를 넘어서는 확장에 초점을 맞춘 RD 방법론의 접근 가능한 연속성을 제시한다.
• 연속성 기반 RD에 대한 대안적 강건성 점검으로 로컬 랜덤라이제이션 방법을 도입하고 형식화한다.
• 퍼지 RD, 이산 실행 변수, 다차원 RD 설계 및 그것들의 추정과 추론에 대해 논의한다.
• RD 확장의 적용 활용을 돕기 위한 실증 예시와 재현 자료를 제공한다.

제안 방법

• 컷오프를 중심으로 윈도우 W를 설정하고 두 가지 LR 조건(LR1, LR2)으로 로컬 랜덤라이제이션 프레임워크를 설명한다.
• 가정과 추론 측면에서 로컬 랜덤라이제이션 방법을 연속성 기반 RD 프레임워크 및 무작위 실험과 비교한다.
• 연속성 기반과 로컬 랜덤라이제이션 프레임워크 모두에서 퍼지 RD에 대한 추정/추론 방법을 개발하고 논의한다.
• 이산 실행 변수를 갖는 RD 설계와 다차원 RD 설계(다중 컷오프 및 다중 점수 RD 설정 포함)를 설명한다.
• 실제 데이터 세트를 사용한 실증 예시와 재현 코드 제공.
• 구현을 위한 rdrobust, rddensity, rdwinselect, rdmc 등과 같은 소프트웨어 도구를 참조하고 통합한다.

실험 결과

연구 질문

• RQ1 컷오프 근처의 RD 설계를 분석하기 위해 로컬 랜덤화 프레임워크를 어떻게 활용할 수 있는가?
• RQ2 비준수(noncompliance) 하에서 퍼지 RD 설계가 식별 및 추정을 어떻게 바꾸는가?
• RQ3 이산 실행 변수 및 질량 점(mass points)을 갖는 RD 설계에 적합한 추정 방법은 무엇인가?
• RQ4 다중 컷오프 및 다중 점수 RD 설계가 데이터로부터 타당하게 구현되고 추론될 수 있는가?
• RQ5 제시된 응용에서 확장의 실증적 인사이트를 제공하는가?

주요 결과

• 로컬 랜덤라이제이션 접근은 연속성 기반 RD 분석에 보완을 제공하고 선택된 윈도우 안에서 유한 샘플 추론을 가능하게 한다.
• 퍼지 RD와 비준수는 연속성 기반 및 로컬 랜덤라이제이션 프레임워크 모두에서 새로운 매개변수와 추정 전략이 필요하다.
• 이산 실행 변수는 질량 점이 존재하는 경우 표준 연속성 기반 RD가 부적합하므로 대안적 방법이 필요하다.
• 다중 컷오프 및 다중 점수 RD 설계는 더 복잡한 할당 규칙과 지리적 또는 다차원 맥락에 RD 적용 가능성을 확장한다.
• 실증 예시는 확장의 실용성을 입증하며 Python, R, Stata의 완전한 재현 코드가 함께 제공된다.