温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
作者:谭睿鹏 (南京大学)
E-mail:rptan@nju.edu.cn
目录
连享会 RDD 专题文章:
举个例子:对中国所有火电厂在同一天的同一个时刻装上某一种除硫设施,这样就能够通过比较在这一时间点前后空气质量的差异来衡量这一政策对空气质量的影响。
因此,时间断点通常具有以下几个特点:(1)没有横截面上的差异,因为所有个体都在同一时间点实施了某政策,不能使用双重差分法;(2)通常具有较高频率的数据,如上面这个例子,可以搜集到小时级别的空气质量数据,使用样本量较大;(3)还有许多潜在的随时间可变的混杂因素,它们在政策变化的时间点变化平稳。
横截面 RD 设计的识别需要在阈值(threshold)上下有大量的观测值,但在以时间为断点的文献中,横截面上的数据方差经常很小,甚至没有(这是因为在很多以时间为断点的文献中,对所有观测值而言,政策通常发生在同一时间点,这使得空间的相关性会低估横截面的差异),当窗宽(bandwidth)在阈值附近较小时,就没有足够的观测值可供计算。所以研究者通常会使用距离阈值较远的样本,这就违背了横截面RD设计的假设条件。
使用时间为断点需要考虑到时间序列数据的特征,比如数据是一个向量自回归过程,但在实际应用中这一点很少被考虑到。但对于正确的估计和长短期效应的解释也很重要。
在横截面RD中使用的McCrary(2008)密度检验在时间断点设计中不可用。它可以检验出在阈值附近观测值有没有主动进入或退出政策干预。但是,当驱动变量(forcing variable)是时间时,这一检验变的无效。这就导致研究者只能通过其他方式来检验是否有个体主动进入或退出政策干预。
区别1: 两者的解释不同。传统的断点回归相当于是一个局部随机化实验:在阈值附近很小的范围内可以认为是否进入实验组受到政策干预是随机决定的。但是对时间断点回归设计而言,由于驱动变量是时间,它不可以被认为是在阈值附近随机确定的。
区别 2: 传统的断点回归可以允许当在阈值附近缩小窗宽时增加样本量,但对时间断点而言,这一点不可能做到。
区别 3: 是否需要增加控制变量。在最干净的横截面RD中,因为是否受到政策干预在阈值附近一个小范围内可以被认为是随机的,所以基本不需要加入其他控制变量。当然,加入其他控制变量可以降低噪音并增加估计精度,但是对于得到一个无偏估计量而言,并不需要加入其他控制变量。但是在时间断点回归设计中,不可观测变量可能与驱动变量相关,它们可能对结果变量造成不连续的影响。
区别 4: 在时间断点回归中,变量的序列相关性可能会对统计推断造成影响。
Hausman, C., Rapson, D.S., Regression discontinuity in time: considerations for empirical applications. Annual Review of Resource Economics. 2018. 10:533-552.
连享会-直播课 上线了!
http://lianxh.duanshu.com
免费公开课:
直击面板数据模型 - 连玉君,时长:1小时40分钟 Stata 33 讲 - 连玉君, 每讲 15 分钟. 部分直播课 课程资料下载 (PPT,dofiles等)
支持回看,所有课程可以随时购买观看。
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 ⭐ | DSGE, 因果推断, 空间计量等 | |
⭕ Stata数据清洗 | 游万海 | 直播, 2 小时,已上线 |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
Note: 部分课程的资料,PPT 等可以前往 连享会-直播课 主页查看,下载。
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会学习群-常见问题解答汇总:
✨ https://gitee.com/arlionn/WD