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

Matias D. Cattaneo, Nicolás Idrobo+1 more|RePEc: Research Papers in Economics|Nov 21, 2019

Statistical Methods and Inference参考文献 56被引用 60

一句话总结

一本实用指南，详述 Sharp 回归不连续设计，聚焦基于连续性框架、RD 图、验证技术，以及面向从业者的 R 和 Stata 可复现性。

ABSTRACT

In this Element and its accompanying Element, Matias D. Cattaneo, Nicolas Idrobo, and Rocio Titiunik provide an accessible and practical guide for the analysis and interpretation of Regression Discontinuity (RD) designs that encourages the use of a common set of practices and facilitates the accumulation of RD-based empirical evidence. In this Element, the authors discuss the foundations of the canonical Sharp RD design, which has the following features: (i) the score is continuously distributed and has only one dimension, (ii) there is only one cutoff, and (iii) compliance with the treatment assignment is perfect. In the accompanying Element, the authors discuss practical and conceptual extensions to the basic RD setup.

研究动机与目标

• 通过定义分数、临界值和处理来识别回归不连续（RD）设计何时适用。
• 解释 Sharp RD 设置及其局部因果解释。
• 呈现实证性基于连续性的推断和用于 RD 分析的图形工具。
• 提供实用指导、验证测试和复现代码以标准化 RD 分析。

提出的方法

• 定义带有连续运行变量、单一临界值和完全遵从的规范 Sharp RD 设计。
• 采用潜在结果框架来正式化临界值处的因果效应。
• 描述基于连续性的识别：E[Yi(1)|Xi=c] − E[Yi(0)|Xi=c] = lim x↓c E[Yi|Xi=x] − lim x↑c E[Yi|Xi=x].
• 概述 RD 分析中的局部多项式估计与带宽选择。
• 引入 RD 图和图形诊断来评估有效性与假设的可信度。
• 提供 R 和 Stata 的复现代码及参考软件包（rdrobust、rddensity 等）。

实验结果

研究问题

• RQ1 在连续性假设下，RD 临界值处的局部平均处理效应是什么？
• RQ2 如何利用基于连续性的方法在临界值附近估计 RD 处理效应？
• RQ3 哪些图形和可证伪工具对验证 RD 设计有效？
• RQ4 研究者如何在常用软件（R/Stata）中实现 RD 分析并提供复现代码？
• RQ5 Sharp RD 与扩展如模糊 RD（在配套 Element 中讨论）的关键区别是什么？

主要发现

• RD 设计通过处理概率的不连续性在临界值处标识局部因果效应。
• 临界值附近的回归函数连续性为使用临界值近邻观测来估计处理效应提供正当性。
• Sharp RD 的效应对临界值是局部的，可被解释为 Xi = c 时对处理对象的局部平均处理效应。
• 该框架强调通过图示和可证伪性测试进行验证，以支持设计的可信度。
• 通过开源软件和复现材料（rdrobust、rdplot、rddensity）实现实际操作。