Stata连享会 主页 || 视频 || 推文 || 知乎 || Bilibili 站
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc
,ihelp
,rdbalance
,gitee
,installpkg
⛳ Stata 系列推文:
作者:梁宇超 (中国人民大学)
邮箱:liangyuchao1997@126.com
目录
在断点回归设计 (RDD) 中,我们主要利用结果变量和处理状态在断点处的跳跃进行因果推断。但是当两者在断点处是连续变量时,RDD 就难以识别因果效应,这种问题在研究中经常会出现,导致无法使用 RDD 来估计因果效应。
在这种情况下,如果两者在断点处存在拐点/弯折 (Kink),即斜率存在变化,则可以通过与 RDD 类似的思路,利用拐点回归设计 (Regression Kink Design, RKD) 的思路来识别因果效应。
在拐点回归设计 (RKD) 中,结果变量
简言之,拐点回归设计就是将结果变量在断点处的弯折归因于处理状态
在拐点回归设计中,处理状态
rkqte
命令是在 Chen et al., (2020) 的基础上,对拐点回归设计 (RKD) 中的分位数处理效应 (QTE) 进行估计和稳健推断。该命令包含一个被解释变量
该命令还能提供两个检验,即分位数处理效应在各个分位数均为 0 的原假设,以及分位数处理效应是常数的零假设 (不存在异质性处理效应)。注意,该命令仅适用于估计处理变量 qrkd
命令。
rkqte
命令由 Chen et al., (2020) 提出,该文的主要贡献是提出了一种识别策略,具体的识别公式采用函数导数的局部瓦尔德比的形式。具体来说,利用条件期望函数导数的两个局部瓦尔德比的左逆差值来识别 RKD 中二元处理的分位数效应。
本文首先通过以下因果结构对随机向量
在方程 (1) 中,结果变量
实际处理选择
假设 1 (RKD):设
根据假设 1 所需的研究设计包括三个组成部分。首先,处理分配规则 h 在设计位置
定理 1 (识别):设定假设 1 (RKD) 适用于公式 (1) 和 (2)。然后有:
对所有的
一旦通过定理 1 中提出的公式确定了条件累积分布函数
在论文中,作者还对提出了对于条件分位数处理效应的估计和推断的过程指导,并在附录中附上了严格数学证明和推导过程,有兴趣的读者可自行查阅。
在二元处理变量下的拐点回归设计中的分位数处理效应估计需要借助 rkqte
命令。
命令安装:
. ssc install rkqte, replace
命令语法:
. rkqte y d x [if] [in] [, k(real) cover(real) ql(real) qh(real) qn(real) bw(real)]
各个选择项的具体含义如下:
k(real)
:设置拐点的位置,默认值为 k(0)
。cover(real)
:设置覆盖真实的分位数回归估计量的均匀置信区间的概率,默认置信区间值 cover(.95)
。ql(real)
:设置分位数处理效应估计量的最低分位数,默认值为 ql(.25)
。qh(real)
:设置分位数处理效应估计量的最高分位数,默认值为 qh(.75)
。qn(real)
:设置分位数点的数量,默认值为 qn(3)
。bw(real)
:设置于估计分位数处理效应估计量的带宽。
为了演示 rkqte
命令的基本语法与输出结果,我们采用 Lee (2008) 在论文中使用的美国议员选举结果的面板数据进行演示。值得注意的是,这份数据集最初是运用于断点回归设计 (RDD),主要研究上一届选举获胜的议员,是否会利用在位优势,在下一届选举中获得更高的支持率。
其中,变量 margin 取值范围为 -100 到 100,衡量议员在上一届选举中的支持率,定义为民主党的投票率减去最强对手的投票率。当支持优势高于零时,民主党将赢得该席位的选举,否则就会失败。变量 vote 取值范围为 0 到 100,衡量议员在本届选举中的支持率。在原文采用 RDD 设计进行研究时,margin 为驱动变量,根据 margin 是否大于 0,生成相应的状态变量 treatment,vote 为被解释变量。
首先,我们演示采用 rdrobust
命令进行普通拐点回归估计的结果。
. lxhuse rdrobust_senate.dta, clear
. rdrobust vote margin, deriv(1)
Sharp Kink RD estimates using local polynomial regression.
Cutoff c = 0 | Left of c Right of c Number of obs = 1297
-------------------+---------------------- BW type = mserd
Number of obs | 595 702 Kernel = Triangular
Eff. Number of obs | 389 346 VCE method = NN
Order est. (p) | 2 2
Order bias (q) | 3 3
BW est. (h) | 19.842 19.842
BW bias (b) | 33.284 33.284
rho (h/b) | 0.596 0.596
Outcome: vote. Running variable: margin.
---------------------------------------------------------------------
Method | Coef. Std. Err. z P>|z| [95% Conf. Interval]
-------------+-------------------------------------------------------
Conventional | .70748 .535 1.3224 0.186 -.341104 1.75606
Robust | - - 1.4156 0.157 -.385993 2.39346
---------------------------------------------------------------------
然后,我们采用本文主要介绍的 rkqte
命令进行拐点回归分位数效应的结果,结果默认展示了 0.25、0.5 以及 0.75 分位数的估计结果和置信区间。
. gen treatment = (margin > 0)
. rkqte vote treatment margin
-------------------------------------------------------------------------
Executing:Chen, H., Chiang, H.D., & Sasaki, Y. (2020): Quantile Treatment
Effects in Regression Kink Designs. Econometric Theory, 36 (6):
1167-1191.
-------------------------------------------------------------------------
Estimating QTE
Estimating Variance
-------------------------------------------------------------------------
Fuzzy Regression Kink Design
Number of observations: n = 1297
The kink location of the running variable: k = 0
-------------------------------------------------------------------------
Quantile QTE [95% Unif. Conf. Band]
------------------------------------------------
0.250 3.75843 -16.03067 23.54753
0.500 3.75843 -16.03067 23.54753
0.750 6.26406 -13.52504 26.05316
------------------------------------------------------------------------------
Test of the hypothesis that QTE=0 for all quantiles: p-value = 1.000
Test of the hypothesis that QTE is constant across quantiles: p-value = 1.000
------------------------------------------------------------------------------
我们还可以通过添加选择项的方式,提供不同分位数处的估计结果。如下结果演示了从最低分位数 0.1,到最高分位数 0.9,并提供 9 个分位数点的估计结果。
. rkqte vote treatment margin, ql(0.1) qh(0.9) qn(9)
-------------------------------------------------------------------------
Executing:Chen, H., Chiang, H.D., & Sasaki, Y. (2020): Quantile Treatment
Effects in Regression Kink Designs. Econometric Theory, 36 (6):
1167-1191.
-------------------------------------------------------------------------
Estimating QTE
Estimating Variance
-------------------------------------------------------------------------
Fuzzy Regression Kink Design
Number of observations: n = 1297
The kink location of the running variable: k = 0
-------------------------------------------------------------------------
Quantile QTE [95% Unif. Conf. Band]
------------------------------------------------
0.100 0.00000 -32.15933 32.15933
0.200 0.73081 -31.42852 32.89013
0.300 3.75843 -28.40089 35.91776
0.400 3.75843 -28.40089 35.91776
0.500 3.75843 -28.40089 35.91776
0.600 6.26406 -25.89527 38.42338
0.700 6.26406 -25.89527 38.42338
0.800 5.84645 -26.31287 38.00578
0.900 7.83007 -24.32926 39.98940
------------------------------------------------------------------------------
Test of the hypothesis that QTE=0 for all quantiles: p-value = 1.000
Test of the hypothesis that QTE is constant across quantiles: p-value = 1.000
------------------------------------------------------------------------------
Note:产生如下推文列表的 Stata 命令为:
lianxh
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
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] |
⛳ 课程主页
⛳ 课程主页
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-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
和songbl
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh