[论文解读] A Practical Introduction to Regression Discontinuity Designs: Extensions

Matias D. Cattaneo, Nicolás Idrobo+1 more|arXiv (Cornell University)|Jan 21, 2023

Advanced Statistical Methods and Models被引用 51

一句话总结

本专著在回归不连续性（RD）方法论的基础上扩展了局部随机化框架、模糊 RD、离散运行变量和多维设计，并附有经验应用与可复现代码。

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.

研究动机与目标

• 提供对 RD 方法论的易于理解的延展，聚焦于超越典型的尖点型（sharp）RD 设计的扩展。
• 引入并形式化局部随机化方法，作为对基于连续性的 RD 的替代稳健性检验。
• 讨论模糊 RD、离散运行变量以及多维 RD 设计及其估计与推断。
• 提供经验示例和可复现材料，以促进 RD 扩展的应用性。

提出的方法

• 用截止点周围的窗口 W 解释局部随机化框架以及两个 LR 条件（LR1、LR2）。
• 在假设与推断方面，将局部随机化方法与基于连续性的 RD 框架以及随机化实验进行比较。
• 在基于连续性和局部随机化框架下，发展并讨论模糊 RD 的估计/推断方法。
• 描述具有离散运行变量的 RD 设计和多维 RD 设计，包括多截点（multi-cutoff）与多分数（multi-score）RD 设置。
• 使用真实数据集与可复现代码提供经验示例。
• 参考并整合实现工具，如 rdrobust、rddensity、rdwinselect、rdmc 等等。

实验结果

研究问题

• RQ1 如何利用局部随机化框架分析截止点附近的 RD 设计？
• RQ2 在存在非合规（非遵从）时，模糊 RD 如何改变识别与估计？
• RQ3 离散运行变量与质量点（mass points）存在的 RD 设计应采用哪些恰当的方法？
• RQ4 如何对多截点与多分数的 RD 设计进行有效实现和数据推断？
• RQ5 这些扩展在所给定应用中的经验洞察是什么？

主要发现

• 局部随机化方法为基于连续性的 RD 分析提供补充，并在选定窗口内实现有限样本推断。
• 模糊 RD 与非合规在基于连续性的和局部随机化框架中都需要新的参数与估计策略。
• 离散运行变量需要替代方法，因为在存在质量点时，标准的基于连续性的 RD 不足够。
• 多截点与多分数 RD 设计将 RD 的适用性扩展到更复杂的分配规则以及地理或多维情境。
• 经验性示例展示了扩展的可行性，并附有 Python、R 与 Stata 的完整可复现代码。