断点回归RDD:样本少时如何做?

发布时间:2020-10-10 阅读 3499

Stata 连享会   主页 || 视频 || 推文

温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。

课程详情 https://gitee.com/arlionn/Course   |   lianxh.cn

课程主页 https://gitee.com/arlionn/Course

编译:李琼琼 (山东大学)
Email:  lqqflora@163.com

Source: Cattaneo, Matias, D, et al. Inference in regression discontinuity designs under local randomization[J]. The Stata Journal, 2016. -PDF-

1. 背景

断点回归被认为是局部的随机实验,因此随机推断的方法也可以适用于断点回归,但原则上需要使用断点 (cutoff) 附近的观测值。另一方面,经典的断点回归需要较大的样本量,因为无论是参数估计还是非参数估计,均要求分配变量的密度在断点处是连续的,并且做非参数估计时,使用局部多项式做非参数统计推断,也依靠了大样本渐进理论。这就导致了如果带宽过小或者数据集本身就不大,平滑性检验通不过或者估计效果会变得不好的问题。

为了解决样本量有限的问题,美国普林斯顿大学的 Cattano 教授及其合作者于 2016 年开发了一套 rdlocrand Stata 命令包,运用了随机实验的方法来解决有效样本量 (带宽内的样本数量) 过少的问题。

rdlocrand package 包含了四个命令,本文结合 Cattaneo et al. (2015,[PDF]) 关于美国 1994-2010 年参议院选举的样本数据对这四个命令及其功能进行介绍。

准备 :安装需要使用的命令包

ssc install st0435.pkg,from (http://www.stata-journal.com/software/sj16-2/)

2. 有限样本的断点回归

2.1 RDD 适用性检验和最优带宽的选择

Note: Cattaneo et al. (2015) 使用的参议院选举数据和 David S. Lee (2007,[PDF])使用选举数据在样本的时间段和变量选择上有区别,另外对"在位优势"的定义也不同,David S. Lee 认为 t 期胜出选票的份额对 t+1 期的选举结果有正向影响说明存在"在位优势",而 Cattaneo et al. 则把 "在位优势" 定义为 t 期对 t+2 期的影响。

rdwinselect 命令有两个作用,(1) 利用前定变量(除配置变量以外的其他解释变量) 做 RDD 适用性检验; (2) 在适用性条件被满足的前提下,挑选最优带宽,适用于有限样本和大样本。基本的语法格式如下:

 rdwinselect runvar [covariates] [if] [in],  [, options]

其中,主要选项为:

  • runvar: 分配变量
  • covariates: 协变量
  • cutoff(): 分配变量临界值, 默认为 c(0)
  • obsmin(): 设定左、右带宽包括最少的观测值的个数
  • wmin(): 设定模型带宽长度的最小临界值
  • wstep: 设定模型每次带宽增加的长度
  • nwindows: 设定带宽的个数
  • approximate: 使用大样本渐进理论,默认基于随机推断
  • p(): 结果变量修正模型的阶数,默认 p(0)
  • plot: 画出协变量检验的最小 p 值图
  • reps(): 随机试验重复的次数,默认 reps(1000)

命令的使用

.sysuse rdlocrand_senate, clear //调用数据
.global covariates presdemvoteshlag1 population demvoteshlag1 demvoteshlag2 ///
.demwinprv1 demwinprv2 dopen dmidterm     //把分配变量以外的所有解释变量设为全局变量 covariates
.rdwinselect demmv $covariates, cutoff(0) //为RD回归选择带宽, demmv是分配变量,代表民主党超过最大对手党派的投票份额(单位:%)


*--- 使用 rdwinselect 命令 table1 
Window selection for RD under local randomization


Cutoff c = 0.00   | Left of c   Right of c        Number of obs  =          1390
------------------+-----------------------        Order of poly  =             0
    Number of obs |       640          750        Kernel type    =       uniform
   1st percentile |         6            7        Reps           =          1000
   5th percentile |        32           37        Testing method =     rdrandinf
  10th percentile |        64           75        Balance test   =         ttest
  20th percentile |       128          150


                  |   Bal. test         Var. name    Bin. test
 Window length /2 |    p-value        (min p-value)   p-value     Obs<c   Obs>=c
------------------+-------------------------------------------------------------
            0.529 |      0.210       demvoteshlag2      0.327        10       16
            0.733 |      0.262            dopen         0.200        15       24
            0.937 |      0.132            dopen         0.126        16       27
            1.141 |      0.044            dopen         0.161        20       31
            1.346 |      0.229         dmidterm         0.382        28       36
            1.550 |      0.102         dmidterm         0.728        35       39
            1.754 |      0.075         dmidterm         0.747        41       45
            1.958 |      0.046         dmidterm         0.602        43       49
            2.163 |      0.075         dmidterm         0.480        45       53
            2.367 |      0.132            dopen         0.637        53       59

Variable used in binomial test (running variable): demmv
Covariates used in balance test: presdemvoteshlag1 population demvoteshlag1 demv
> oteshlag2 demwinprv1 demwinprv2 dopen dmidterm

Recommended window is [-.733; .733] with 39 observations (15 below, 24 above).

解读:rdwinselect 命令推荐的最优窗口是 [-.733; .733], 带宽为 0.733 - (-0.733) = 1.467,断点左右两边观测值个数分别为 15 和 24.


*--- 使用 rdwinselect 命令 figure1 
.quietly rdwinselect demmv $covariates, wmin(.5) wstep(.125) ///
nwin(80) approximate plot    //quietly 表示安静地执行命令不显示结果,只出现图
Figere1: 协变量检验的最小 p 值
Figere1: 协变量检验的最小 p 值

解读:协变量检验从带宽窗口 [0.5; 0.5] 开始以 0.125 的长度依次增长,可以看出第三个带宽窗口 [0.75, 0.75] 的最小 p 值超过了0.15 线,是符合协变量检验的最优带宽, 这和前面推荐的带宽窗口 [-.733; .733] 非常接近。

2.2 断点回归估计

rdrandinf 命令运用随机推断,对断点回归进行估计,基本的语法格式如下:

 rdrandinf outvar runvar  [if] [in],  [, options]

其中,主要选项为:

  • runvar: 分配变量
  • covariates: 协变量
  • cutoff(): 断点,分配变量临界值, 默认为 c(0)
  • wl(): 设定带宽窗口的左边界
  • wr(): 设定带宽窗口的右边界
  • covariates: 协变量
  • kernel: 选择核函数, uniform (均匀核,默认), triangular (三角核), epanechnikov(二次核)
  • fuzzy(): 设定模糊断点回归中的内生处理变量

命令的使用

*===: 使用 rdrandinf 命令 table2

*-处理效应估计,设定带宽为 [0.75; 0.75]
*-变量 demvoteshfor2 为结果变量,即 t+2 期的民主党获得投票份额

. rdrandinf demvoteshfor2 demmv, wl(-.75) wr(.75) 


Selected window = [-.75 ; .75]
Running randomization-based test...

Cutoff c = 0.00   |  Left of c  Right of c  Number of obs =           1390
------------------+-----------------------  Order of poly =              0
     Number of obs|        595         702  Kernel type   =        uniform
Eff. Number of obs|         15          22  Reps          =           1000
   Mean of outcome|     42.808      52.497  Window        =    set by user
   S.D. of outcome|      7.042       7.742  H0:       tau =          0.000
            Window|     -0.750       0.750  Randomization =  fixed margins

Outcome: demvoteshfor2. Running variable: demmv.
--------------------------------------------------------------------------
               |           Finite sample             Large sample
               |          ---------------  -------------------------------
      Statistic|   T           P>|T|         P>|T|   Power vs d =     3.52
---------------+----------------------------------------------------------
 Diff. in means|   9.689       0.000          0.000                  0.300
--------------------------------------------------------------------------

解读:处理效应为 9.689, 表明民主党于 t 期控制参议院导致了民主党于 t+2 期获得投票份额在断点提高了约 10%, 在 1% 的显著性水平下显著。 Finite sample 下面的 p 值是基于随机检验的结果,而 large sample 下面的 p 值则基于渐进分布理论。

2.3 敏感性分析 (一)

rdsensitivity 命令分析了对于不同的带宽, 处理效应估计值对应的 p 值和置信区间的敏感性,基本语法如下:

 rdsensitivity outvar runvar  [if] [in],  [, options]

其中,主要选项为:

  • outvar: 结果变量
  • runvar: 分配变量
  • covariates: 协变量
  • cutoff(): 断点,分配变量临界值, 默认为 c(0)
  • wlist: 设定被估计带宽长度的范围
  • tlist(): 处理效应估计值的范围(整数)
  • saving(filename): 保存敏感性分析的等高线图
  • nodots: 删除重复的点
  • nodraw: 删除等高线
  • verbose: 输出 p 值的矩阵结果
  • reps: 随机试验重复的次数,默认 reps(1000)

命令的使用

*===: 使用 rdsensitivity 命令 table3 

. rdsensitivity demvoteshfor2 demmv,  ///
    wlist(.75(.25)2) tlist(0(1)20)    ///
	nodots verbose
	
//此命令运行时间较长,要耐心等待
Running randomization-based test...

Randomization-based test complete.

    |    .75       1    1.25     1.5    1.75       2
----+------------------------------------------------
  0 |      0    .001       0       0       0       0
  1 |      0    .001       0       0       0       0
  2 |   .001    .001    .002       0       0       0
  3 |   .013    .004    .003       0       0       0
  4 |    .03    .009    .007    .002    .001       0
  5 |   .068    .023    .018    .013    .003    .005
  6 |   .147    .062    .042    .037    .039    .029
  7 |   .309    .144    .093    .088    .106    .092
  8 |   .518    .306    .173    .239    .233    .262
  9 |   .788    .534    .299    .427    .484    .569
 10 |   .918    .869    .497    .731     .83    .939
 11 |   .608    .844    .756    .907    .839    .668
 12 |   .378    .514    .969    .574    .496     .36
 13 |   .201    .268    .665    .323    .231    .134
 14 |   .102    .139    .428    .154     .09    .036
 15 |    .04    .051    .254    .064    .035    .007
 16 |   .019    .016     .13    .022    .009    .002
 17 |   .008    .006    .073    .004    .003       0
 18 |   .003       0    .032    .001       0       0
 19 |   .001       0     .01    .001       0       0
 20 |      0       0    .002       0       0       0

解读:

  • 列名称(.75 等)表示窗宽;
  • 行名称 (0 等) 表示处理效应值,也是估计的原假设;
  • 矩阵的值代表 p 值。

当带宽为 [-.75; 0.75] 时,在 95% 的显著性水平下,处理效应估计值为 5 到 14 之间, 故认为带宽为 [-.75; 0.75] 对应的处理效应值在 5 到 14 之间。同样地,带宽为 [2; 2] 时,处理效应值为 7 到 13 之间。

*===:使用 rdsensitivity 命令 figure2 
. rdsensitivity demvoteshfor2 demmv,  ///
       wlist(.75(.25)10) tlist(0(1)20) nodots ///
	   saving(figure2)  
  //saving()可以允许后面对等高线图进行颜色外观等的修改
. use figure2, clear
. twoway contour pvalue t w,   ///
    ccuts(0(0.05)1) ///
	ccolors(gray*0.01 gray*0.05 ///
            gray*0.1  gray*0.15 gray*0.2   ///
			gray*0.25 gray*0.3  gray*0.35  ///
            gray*0.4  gray*0.5  gray*0.6   ///
			gray*0.7  gray*0.8  gray*0.9   ///
			gray                           ///
            black*0.5 black*0.6 black*0.7  ///
			black*0.8 black*0.9 black)     ///
    xlabel(.75(1.25)10)      ///
	ylabel(0(2)20, nogrid)   ///
	graphregion(fcolor(none))    
Figere2: 敏感性分析
Figere2: 敏感性分析

解读: 由图像也可以看出带宽为 [-.75; 0.75]时,p 值超过 5% 对应的处理效应值在 5 到 14 之间。

2.4 敏感性分析 (二)

rdrbounds 命令是基于 Rosenbaum (2002) 的局部随机化理论,计算不同偏离程度下 p 值变化的范围。

rdrbounds demvoteshfor2 demmv, expgamma(1.5 2 3) wlist(.5 .75 1) reps(1000)

 rdrbounds outvar runvar  [if] [in],  [, options]

其中,主要选项为:

  • runvar: 分配变量
  • cutoff(): 断点,分配变量临界值, 默认为 c(0)
  • expgamma(): 需要被估计的 exp(gamma) 的值, 默认为expgamma(1.5 2 2.5 3)
  • reps: 随机试验重复的次数,默认reps(500)

命令的使用


*--- 使用  rdrbounds 命令 table4 
 .rdrbounds demvoteshfor2 demmv, expgamma(1.5 2 3) wlist(.5 .75 1) reps(1000)
 //此命令运行时间也比较长

 Calculating randomization p-values...
                            w =     0.500      0.750      1.000
 --------------------------------------------------------------
             Bernoulli p-value|     0.005      0.000      0.000
 --------------------------------------------------------------

 Running sensitivity analysis...
 gamma  exp(gamma)          w =     0.500      0.750      1.000
 --------------------------------------------------------------
  0.41     1.50    lower bound|     0.004      0.000      0.000
                   upper bound|     0.024      0.005      0.002
 -----------------------------+--------------------------------
  0.69     2.00    lower bound|     0.005      0.000      0.000
                   upper bound|     0.052      0.025      0.008
 -----------------------------+--------------------------------
  1.10     3.00    lower bound|     0.005      0.000      0.000
                   upper bound|     0.194      0.145      0.058
 --------------------------------------------------------------

解读: rdrbounds 命令的结果分为两部分,第一个是每个带宽对应 Bernoulli trials 的 p 值, 第二个是在不同的 Γ 和 窗宽下,p 值大小临界值的距离,如果 p 值大小临界值的距离越大,说明随机试验偏差推断越敏感。

第二个结果有两种分析方式,(1) 固定窗宽,看随机试验不同的偏离度如何影响 p 值;(2) 固定随机试验的偏离度,看不同的窗宽如何影响 p 值。对于模型推荐的带宽 [-0.75; 0.75], 在各种偏度下结果都较为稳健。

3. 结语

本文主要对 rdlocrand package 的四个命令 rdwinselect rdrandinf rdsensitivity rdrbounds 进行介绍,并通过美国参议院选举的数据来应用这些命令做 RDD 适用性检验和最优带宽的选择、有限样本的RDD 估计, 以及处理效应值和窗宽敏感性分析。

4. 参考文献

[1] Cattaneo M D , Frandsen B R , Titiunik, Rocío. Randomization Inference in the Regression Discontinuity Design: An Application to Party Advantages in the U.S. Senate[J]. Journal of Causal Inference, 2015, 3(1):1-24pdf. [2] Cattaneo, Matias, D, et al. Inference in regression discontinuity designs under local randomization[J]. The stata journal, 2016pdf.
[3] Lee D S. Randomized experiments from non-random selection in US House elections[J]. Journal of Econometrics, 2008, 142(2): 675-697pdf.

连享会计量方法专题……https://gitee.com/arlionn/Course

5. Appendix 本文涉及的 Stata 代码

sysuse rdlocrand_senate, clear  //调用数据
global covariates presdemvoteshlag1 population demvoteshlag1 demvoteshlag2 ///
demwinprv1 demwinprv2 dopen dmidterm     //把分配变量以外的所有解释变量设为全局变量 covariates

*--- 使用 rdwinselect 命令 table1 
rdwinselect demmv $covariates, cutoff(0) //为RD回归选择带宽, demmv是分配变量,代表民主党超过最大对手党派的投票份额(单位:%)

*--- 使用 rdwinselect 命令 figure1 
quietly rdwinselect demmv $covariates, wmin(.5) wstep(.125) ///
nwin(80) approximate plot    //quietly 表示安静地执行命令不显示结果,只出现图

*--- 使用 rdrandinf 命令 table2 
rdrandinf demvoteshfor2 demmv, wl(-.75) wr(.75) //处理效应估计,设定带宽为 [0.75; 0.75]
//变量 demvoteshfor2 为结果变量,即 t+2 期的民主党获得投票份额

*--- 使用 rdsensitivity 命令 table3 
rdsensitivity demvoteshfor2 demmv, wlist(.75(.25)2) tlist(0(1)20) nodots verbose //命令运行时间较长

*--- 使用 rdsensitivity 命令 figure2 
rdsensitivity demvoteshfor2 demmv, wlist(.75(.25)10) tlist(0(1)20) nodots ///
saving(figure2)  //saving()可以允许后面对等高线图进行颜色外观等的修改
use figure2, clear
twoway contour pvalue t w, ccuts(0(0.05)1) ccolors(gray*0.01 gray*0.05 ///
 gray*0.1 gray*0.15 gray*0.2 gray*0.25 gray*0.3 gray*0.35  ///
 gray*0.4 gray*0.5 gray*0.6 gray*0.7 gray*0.8 gray*0.9 gray ///
 black*0.5 black*0.6 black*0.7 black*0.8 black*0.9 black)  ///
 xlabel(.75(1.25)10) ylabel(0(2)20, nogrid) graphregion(fcolor(none))    

*--- 使用  rdrbounds 命令 table4 
rdrbounds demvoteshfor2 demmv, expgamma(1.5 2 3) wlist(.5 .75 1) reps(1000)
  //此命令运行时间比较长

相关课程

连享会-直播课 上线了!
http://lianxh.duanshu.com

免费公开课:


课程一览

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

  • Stata连享会 由中山大学连玉君老师团队创办,定期分享实证分析经验。直播间 有很多视频课程,可以随时观看。
  • 连享会-主页知乎专栏,300+ 推文,实证分析不再抓狂。
  • 公众号推文分类: 计量专题 | 分类推文 | 资源工具。推文分成 内生性 | 空间计量 | 时序面板 | 结果输出 | 交乘调节 五类,主流方法介绍一目了然:DID, RDD, IV, GMM, FE, Probit 等。
  • 公众号关键词搜索/回复 功能已经上线。大家可以在公众号左下角点击键盘图标,输入简要关键词,以便快速呈现历史推文,获取工具软件和数据下载。常见关键词: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

连享会主页  lianxh.cn
连享会主页 lianxh.cn

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