[论文解读] Regression Discontinuity Designs Using Covariates
本文通过在局部多项式估计量中以加法、线性参数形式（无参数限制）纳入离散或连续协变量，形式化了回归不连续设计（RD）中的协变量调整。本文建立了估计量一致性的条件，推导了具有稳健标准误的偏差校正推断方法，并在模拟和实证应用中表明，当协变量被适当地包含时，估计效率可提升高达近10%，尤其是在结果与协变量之间残差相关性较高时。
We study regression discontinuity designs when covariates are included in the estimation. We examine local polynomial estimators that include discrete or continuous covariates in an additive separable way, but without imposing any parametric restrictions on the underlying population regression functions. We recommend a covariate-adjustment approach that retains consistency under intuitive conditions, and characterize the potential for estimation and inference improvements. We also present new covariate-adjusted mean squared error expansions and robust bias-corrected inference procedures, with heteroskedasticity-consistent and cluster-robust standard errors. An empirical illustration and an extensive simulation study is presented. All methods are implemented in exttt{R} and exttt{Stata} software packages.
研究动机与目标
- 为在回归不连续设计（RD）中包含协变量提供一个正式的、非参数的框架，且不施加参数函数形式假设。
- 建立协变量调整的局部多项式估计量对RD处理效应保持一致的条件。
- 刻画通过协变量调整在RD估计与推断中实现效率提升的潜力。
- 开发具有异方差稳健和聚 cluster 稳健标准误的稳健、偏差校正推断程序。
- 为应用研究人员提供基于数据的带宽选择与实现工具，支持R和Stata语言。
提出的方法
- 通过在加法、可分、参数线性形式中加入协变量，扩展标准的局部多项式RD估计量，无需额外平滑或参数假设。
- 使用带局部线性核权重的加权最小二乘法，其中权重取决于与断点的距离，并包含协变量调整。
- 推导协变量调整估计量的新均方误差（MSE）展开式，以指导最优带宽选择。
- 提出考虑局部多项式估计量偏差（尤其在异方差或聚类情况下）的偏差校正推断程序。
- 采用基于数据的带宽选择器，根据模型选择对标准或协变量调整估计量实现MSE最优。
- 在R和Stata的配套软件包中实现方法，支持精确RD、模糊RD和kink RD设计。
实验结果
研究问题
- RQ1在何种条件下，将协变量纳入局部多项式RD估计中，可导致处理效应估计量的一致性？
- RQ2协变量调整如何影响有限样本中RD估计量的均方误差与效率？
- RQ3结果与协变量之间残差相关性对协变量调整RD估计量性能的影响是什么？
- RQ4当局部多项式RD估计量存在偏差时，如何在异方差或聚类条件下进行稳健推断？
- RQ5协变量调整RD估计量的最优带宽选择策略是什么？与标准带宽相比有何差异？
主要发现
- 在最优带宽下调整模型时，协变量调整可使估计效率最高提升近10%，如实证应用所示。
- 包含无关协变量对点估计或推断影响极小，证实对虚假协变量具有稳健性。
- 当结果与协变量之间残差相关性较高时，效率增益最为显著，与理论预测一致。
- 即使模型其他部分误设，只要调整在断点上下等价，协变量调整的RD估计量仍保持一致。
- 偏差校正推断程序在异方差或聚类条件下仍能产生具有正确覆盖概率的有效置信区间。
- 基于数据的协变量调整模型带宽选择器在有限样本中表现合理，仿真研究已证实其有效性。
更好的研究，从现在开始
从阅读论文到最终审阅，大幅缩短您的研究时间。
无需绑定信用卡
本解读由 AI 生成，并经人工编辑审核。