[论文解读] Simple Local Polynomial Density Estimators

Matias D. Cattaneo, Michael Jansson+1 more|arXiv (Cornell University)|Nov 28, 2018

Statistical Methods and Inference参考文献 14被引用 60

一句话总结

The paper introduces a boundary-adaptive, tuning-parameter-efficient local polynomial density estimator based on smoothing the empirical distribution function, proves its asymptotic properties, and applies it to manipulation testing in regression discontinuity designs, with accompanying Stata and R software.

ABSTRACT

This paper introduces an intuitive and easy-to-implement nonparametric density estimator based on local polynomial techniques. The estimator is fully boundary adaptive and automatic, but does not require pre-binning or any other transformation of the data. We study the main asymptotic properties of the estimator, and use these results to provide principled estimation, inference, and bandwidth selection methods. As a substantive application of our results, we develop a novel discontinuity in density testing procedure, an important problem in regression discontinuity designs and other program evaluation settings. An illustrative empirical application is given. Two companion Stata and R software packages are provided.

研究动机与目标

• Motivate nonparametric density estimation near boundaries without pre-binning or boundary-specific data transformations.
• Introduce a local polynomial framework that smooths the empirical distribution function to estimate density.
• Establish asymptotic bias and variance, and provide data-driven bandwidth selection and robust inference.
• Develop a novel discontinuity-in-density (manipulation) test leveraging the proposed estimator.
• Demonstrate the method with an empirical Head Start RD application and provide software implementations for Stata and R.

提出的方法

• 通过从对经验分布函数的局部多项式拟合中获取斜率系数来构造密度估计量： f̂(x) = e1' β̂(x) with β̂(x) solving min_b Σi [F̂(xi) − r_p(xi − x)' b]^2 K((xi − x)/h).
• 使用 p 阶局部多项式展开 r_p(u) = (1, u, ..., u^p)' 和带宽为 h 的核函数 K。
• 假设一个边界自适应的设定，其中积分区域考虑边界，从而得到边界特定的偏差项 B(x) 和方差项 V(x)。
• 提供一个简单的、自动的方差估计量 V̂(x) 和一个边界自适应偏差估计量 B̂(x)。
• 推导逐点的 MSE 最优带宽 h_MSE(x) 并提出自动的、数据驱动的带宽选择。
• 由于在边界附近的稳定性，默认推荐 p = 2（局部二次），高阶可选。

实验结果

研究问题

• RQ1 所提出的局部多项式密度估计量是否在不进行预分箱或不进行边界特定数据变换的情况下实现边界自适应？
• RQ2 在内部点和边界点，估计量的主导偏差项和方差项是什么，以及如何对它们进行一致估计？
• RQ3 是否可以使用该估计量构建有效的、数据驱动的推断（置信区间、假设检验），包括鲁棒偏差校正？
• RQ4 该估计量是否能在类似 RD 的设定中有效用于检验密度的不连续性（操控检验）？
• RQ5 在 Head Start RD 情境等经验场景中，与 McCrary 及其他方法相比，所提出的操控检验的实证表现如何？

主要发现

• 该估计量具有边界自适应性和自动化特征，只需一个调参参数（带宽），且无需预分箱或边界数据变换。
• 渐近结果提供了显式的主导偏差和方差项，以及在内部点和边界点的 f̂(x) 的高斯分布近似。
• 提供一个简单的、边界自适应的、数据驱动的方差估计量和边界自适应偏差估计量，从而实现一致的标准误。
• 推导出均方误差–最优、逐点带宽 h_MSE(x)，并可用初步估计实现；默认推荐 p = 2。
• 使用所提估计量开发了一个新颖的操控检验（密度的不连续性）；它只需一个调参参数，并支持鲁棒偏差校正推断。
• 一个Head Start实证应用展示了该方法，未发现操控证据，对带宽和多项式阶数的选择具有鲁棒性。