[论文解读] A Bayesian Nonparametric Approach to Geographic Regression Discontinuity Designs: Do School Districts Affect NYC House Prices?

Maxime Rischard, Zach Branson+2 more|arXiv (Cornell University)|Jul 11, 2018

Economic and Environmental Valuation参考文献 14被引用 7

一句话总结

本文提出一种基于高斯过程回归的贝叶斯非参数框架，用于分析地理回归不连续设计（GeoRDD），实现对复杂边界的灵活空间估计。在纽约市房价中的应用表明，在学区边界更有利的一侧存在统计显著的20%价格溢价（p = 0.002），并通过后验检验和虚假检验实现了稳健推断。

ABSTRACT

Most research on regression discontinuity designs (RDDs) has focused on univariate cases, where only those units with a "forcing" variable on one side of a threshold value receive a treatment. Geographical regression discontinuity designs (GeoRDDs) extend the RDD to multivariate settings with spatial forcing variables. We propose a framework for analysing GeoRDDs, which we implement using Gaussian process regression. This yields a Bayesian posterior distribution of the treatment effect at every point along the border. We address nuances of having a functional estimand defind on a border with potentially intricate topology, particularly when defining and estimating causal estimands of the local average treatment effect (LATE). The Bayesian estimate of the LATE can also be used as a test statistic in a hypothesis test with good frequentist properties, which we validate using simulations and placebo tests. We demonstrate our methodology with a dataset of property sales in New York City, to assess whether there is a discontinuity in housing prices at the border between two school district. We find a statistically significant difference in price across the border between the districts with $p$=0.002, and estimate a 20% higher price on average for a house on the more desirable side.

研究动机与目标

• 开发一种系统化的贝叶斯非参数方法，用于分析具有空间强制变量的GeoRDD，解决传统一维RDD方法的局限性。
• 在空间边界上每个点处估计局部平均处理效应（LATE），同时考虑复杂拓扑结构和空间混杂因素。
• 通过模拟和虚假测试验证该方法，确保在模型误设情况下的假设检验具备良好的频次性质。
• 评估学区边界是否对纽约市的房价产生因果影响，特别是在布鲁克林和皇后区。
• 提供一种灵活且可扩展的GeoRDD框架，支持二值结果、异质性检验以及时空场景的拓展。

提出的方法

• 使用高斯过程回归（GPR）分别在处理组和对照组区域建模结果表面，假设两个区域的高斯过程独立，且具有独立同分布的正态噪声。
• 采用平方指数核并具有平稳协方差结构，允许对空间相关性进行非参数平滑，同时支持在边界附近的外推。
• 将局部平均处理效应（LATE）定义为每个边界点处后验预测均值的差异，从而生成一个函数型因果估计算量。
• 将LATE的后验分布用作假设检验的检验量，通过模拟和虚假测试在原假设下进行验证。
• 依赖后验预测检查和模型诊断来评估稳健性，特别是在潜在模型误设情况下的表现。
• 通过在处理组和对照组区域分别进行超参数调优，放宽了假设，并考虑使用谱混合核等替代核函数以改善外推性能。

实验结果

研究问题

• RQ1 在纽约市两个相邻学区的边界处是否存在房价的不连续性，表明学区分配具有因果效应？
• RQ2 基于高斯过程的贝叶斯非参数方法能否提供可靠且空间自适应的处理效应估计，适用于复杂地理边界？
• RQ3 在模型误设情况下，所提出的方法表现如何？其假设检验是否保持适当的I类错误率？
• RQ4 所观察到的价格不连续性在多大程度上可归因于学区质量，而非混杂的地理或城市特征？
• RQ5 该框架能否扩展以检测异质性处理效应，或应用于时空GeoRDD场景？

主要发现

• 在纽约市两个相邻学区的边界处发现房价存在统计显著的不连续性，p值为0.002。
• 估计的平均处理效应对应于学区边界更有利一侧的房屋价格高出20%。
• LATE的贝叶斯后验分布支持有效的假设检验，并具备良好的频次性质，经虚假测试和模拟验证。
• 与标准投影一维RDD相比，该方法通过避免空间混杂并捕捉局部空间变异，表现更优。
• 虚假测试表明，即使在模型假设轻微违反的情况下，该方法仍能保持适当的I类错误率。
• 该方法对模型假设较为敏感，特别是对外推和平稳性假设，因此需要通过虚假程序进行仔细验证。