因果推断系列18-断点回归设计(Regression Discontinuity Design,RDD)

本文介绍了断点回归设计(RDD),用于估计因果效应。通过分析法定饮酒年龄对死亡率的影响,展示了RDD的等权估计和核加权估计方法。RDD依赖于潜在结果在阈值附近的平滑性,通过比较阈值上下结果的变化来估计处理效应。文中还探讨了模糊RDD和学位效应,以及如何通过McCrary检验检测数据操纵。RDD提供了一种强有力的因果解释,尽管不是RCT,但在某些情况下非常接近。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

你不能在没有芽的情况下长出一棵树,你不能从一个地方瞬间传送到另一个地方,伤口需要时间来愈合,自然的平滑性令人印象深刻。即使在社会领域,平滑性似乎也是一种常态。你不能在一天内让一个企业发展壮大,要建立财富需要持续不断的努力和坚持,学习线性回归需要多年的时间。在正常情况下,自然界是非常协调的,不会跳跃太多。

所以,当我们看到跳跃和峰值时,它们很可能是人为制造的。这些事件通常伴随着与正常事物相反的对照情况:如果发生了奇怪的事情,如果自然以不同方式工作会发生什么。探索这些人为跳跃是断点回归设计的核心。

基本设置如下所示。假设你有一个处理变量 T T T和潜在结果

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值