第128行: |
第128行: |
| | | |
| = = = 参数估计 = = = 参数估计的一个例子是: y = alpha + beta _ 1 x _ i + beta _ 2 c _ i + beta _ 3 c _ i ^ 2 + beta _ 4 c _ i ^ 3 + varepsilon,其中: x _ i = begin { cases }1 text { if } c _ i geq bar { c }0 text { if } c _ i < bar { c } end { cases }和 bar { c }是处理方法。注意,多项式部分可根据需要缩短或扩展。 | | = = = 参数估计 = = = 参数估计的一个例子是: y = alpha + beta _ 1 x _ i + beta _ 2 c _ i + beta _ 3 c _ i ^ 2 + beta _ 4 c _ i ^ 3 + varepsilon,其中: x _ i = begin { cases }1 text { if } c _ i geq bar { c }0 text { if } c _ i < bar { c } end { cases }和 bar { c }是处理方法。注意,多项式部分可根据需要缩短或扩展。 |
− |
| |
− | 编辑后:
| |
| | | |
| === Other examples === | | === Other examples === |
第306行: |
第304行: |
| 编辑后: | | 编辑后: |
| | | |
− | 当正确
| + | · 当正确实施和分析研究时,RDD 产生了对局部处理效果的无偏估计。在测量处理效果方面,RDD 几乎可以和随机实验一样好。 |
| + | |
| + | · 作为一项准实验,RDD不需要事先随机化,并规避随机分配的道德问题 |
| + | |
| + | · 符合假设的RDD研究可以产生类似于随机研究估计的处理效果估计。 |
| | | |
| == Disadvantages == | | == Disadvantages == |
第318行: |
第320行: |
| * 只有正确地模拟了治疗和结果之间的函数形式,估计的效果才是无偏的。最受欢迎的警告是被误认为是不连续的非线性关系。 | | * 只有正确地模拟了治疗和结果之间的函数形式,估计的效果才是无偏的。最受欢迎的警告是被误认为是不连续的非线性关系。 |
| * 受其他处理方法污染。假设在相同赋值变量的相同截止值处发生另一个处理。在这种情况下,测量的结果变量的不连续性可能部分归因于这个其他的治疗。例如,假设一位研究人员希望在法定最低饮酒年龄采用回归间断设计来研究合法饮酒对心理健康的影响。衡量的影响可能会与合法参与赌博相混淆,后者可能发生在同一年龄段。 | | * 受其他处理方法污染。假设在相同赋值变量的相同截止值处发生另一个处理。在这种情况下,测量的结果变量的不连续性可能部分归因于这个其他的治疗。例如,假设一位研究人员希望在法定最低饮酒年龄采用回归间断设计来研究合法饮酒对心理健康的影响。衡量的影响可能会与合法参与赌博相混淆,后者可能发生在同一年龄段。 |
| + | 编辑后: |
| + | |
| + | · 只有正确地模拟了处理变量和结果变量之间的函数形式,估计的效果才是无偏的。常见的误区是不连续的非线性关系被认误认为是断点。 |
| + | |
| + | · 受其他处理事件的干扰。假设在相同赋值变量的相同截点处发生另一个冲击。在这种情况下,测量的结果变量的不连续性可能部分归因于这一冲击。例如,假设一位研究人员希望在法定最低饮酒年龄采用回归间断设计来研究合法饮酒对心理健康的影响。衡量的影响可能会与另一法规--合法参与赌博相混淆,后者恰好在同一年龄段。 |
| | | |
| == Extensions == | | == Extensions == |
第331行: |
第338行: |
| | | |
| = = = 模糊 RDD = = = 因果效应的确定取决于一个关键的假设,即确实存在一个急剧的截止点,在这个截止点周围存在着从0到1的分配概率的不连续性。然而,在现实中,切断通常不是严格执行的(例如:。对于刚刚未能通过门槛的学生行使酌情权) ,因此估计会有偏差。 | | = = = 模糊 RDD = = = 因果效应的确定取决于一个关键的假设,即确实存在一个急剧的截止点,在这个截止点周围存在着从0到1的分配概率的不连续性。然而,在现实中,切断通常不是严格执行的(例如:。对于刚刚未能通过门槛的学生行使酌情权) ,因此估计会有偏差。 |
| + | |
| + | 编辑后:= = = 模糊 RDD = = =因果关系的确定取决于一个关键的假设,即确实存在一个明显的临界点,在这个临界点周围存在着从0到1的分配概率的不连续性。然而,在现实中,截断通常不是严格执行的(例如:。对于未能通过门槛的学生行使酌情权) ,因此估计会有偏差。 |
| | | |
| In contrast to the sharp regression discontinuity design, a '''fuzzy regression discontinuity design''' (FRDD) does not require a sharp discontinuity in the probability of assignment. Still, it is applicable as long as the probability of assignment is different. The intuition behind it is related to the [[instrumental variable]] strategy and [[intention to treat]]. | | In contrast to the sharp regression discontinuity design, a '''fuzzy regression discontinuity design''' (FRDD) does not require a sharp discontinuity in the probability of assignment. Still, it is applicable as long as the probability of assignment is different. The intuition behind it is related to the [[instrumental variable]] strategy and [[intention to treat]]. |
第337行: |
第346行: |
| | | |
| 与尖锐回归不连续设计相比,模糊回归不连续设计(FRDD)不要求分配概率尖锐不连续。尽管如此,只要分配的概率不同,它仍然是适用的。这背后的直觉与工具变量/治疗策略和治疗意图有关。 | | 与尖锐回归不连续设计相比,模糊回归不连续设计(FRDD)不要求分配概率尖锐不连续。尽管如此,只要分配的概率不同,它仍然是适用的。这背后的直觉与工具变量/治疗策略和治疗意图有关。 |
| + | |
| + | 编辑后:与精确断点回归设计相比,模糊断点回归(FRDD)不要求分配概率是0和1。尽管如此,只要分配的概率不同,它仍然是适用的。这背后的直觉与工具变量/干预策略和干预意图有关。 |
| | | |
| === Regression kink design === | | === Regression kink design === |
第344行: |
第355行: |
| | | |
| = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =.学生资助) ,并可预见地取决于另一个观察到的变量(例如:。家庭收入) ,一个可以确定治疗效果利用急剧变化的斜率的治疗功能。这项技术被称为回归扭结设计,由尼尔森,s ø rensen 和 Taber (2010年) ,尽管他们引用了类似的早期分析。他们写道: “这种方法类似于回归不连续性的思想。我们没有看到津贴-收入函数水平的不连续性,而是看到了函数斜率的不连续性。”Card 等人提供了严格的理论基础。2012)和 Bockerman 等人的实证应用。(2018). | | = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = = =.学生资助) ,并可预见地取决于另一个观察到的变量(例如:。家庭收入) ,一个可以确定治疗效果利用急剧变化的斜率的治疗功能。这项技术被称为回归扭结设计,由尼尔森,s ø rensen 和 Taber (2010年) ,尽管他们引用了类似的早期分析。他们写道: “这种方法类似于回归不连续性的思想。我们没有看到津贴-收入函数水平的不连续性,而是看到了函数斜率的不连续性。”Card 等人提供了严格的理论基础。2012)和 Bockerman 等人的实证应用。(2018). |
| + | |
| + | 编辑后: |
| + | |
| + | 当分配变量是连续的(如:学生补助)并且由其他观测变量决定(如:家庭收入),那么我们可以使用处理函数的斜率在精确断点的变化来辨别出处理效应。这项技术被称为kink断点回归,由Nielsen, Sørensen, and Taber (2010)设计,虽然他们引用了早前的研究。他们写道:“这种方法类似于断点回归的思想。我们没有看到津贴-收入函数水平的不连续性,而是看到了函数斜率的不连续性。”Card et al. (2012)在此基础上提供了严格的理论基础,并且Bockerman et al. (2018)将此应用于实证分析。 |
| | | |
| Note that ''regression kinks'' (or ''kinked regression'') can also mean a type of [[segmented regression]], which is a different type of analysis. | | Note that ''regression kinks'' (or ''kinked regression'') can also mean a type of [[segmented regression]], which is a different type of analysis. |
第350行: |
第365行: |
| | | |
| 请注意,回归扭结(或扭结回归)也可以意味着一种分段回归,这是一种不同类型的分析。 | | 请注意,回归扭结(或扭结回归)也可以意味着一种分段回归,这是一种不同类型的分析。 |
| + | |
| + | 编辑后: |
| + | |
| + | 请注意,kink回归也可以理解为一种分段回归,这是一种不同类型的分析。 |
| | | |
| '''Final Considerations''' | | '''Final Considerations''' |
第362行: |
第381行: |
| | | |
| RD 设计采用准实验研究设计的形式,结构清晰,没有随机化的实验特征。有几个方面否定了研发人员对现状的宽容。例如,设计往往涉及严重的问题,不提供随机试验的空间。此外,实验的设计取决于建模过程的准确性和输入与输出之间的关系。 | | RD 设计采用准实验研究设计的形式,结构清晰,没有随机化的实验特征。有几个方面否定了研发人员对现状的宽容。例如,设计往往涉及严重的问题,不提供随机试验的空间。此外,实验的设计取决于建模过程的准确性和输入与输出之间的关系。 |
| + | |
| + | 编辑后: |
| + | |
| + | RD设计采用准实验研究设计的形式,结构清晰,没有随机化的实验特征。但RD设计也存在一些问题,例如,设计通常会涉及一些严重的问题,即无法提供随机试验的场景;此外,试验的设计取决于建模过程的准确性和自变量与因变量之间的关系。 |
| | | |
| == See also == | | == See also == |