欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

断点回归RDD:样本少时如何做?

程序员文章站 2024-02-11 13:36:46
...

编译:李琼琼 (山东大学)
Email: [email protected]

Source: Cattaneo, Matias, D, et al. Inference in regression discontinuity designs under local randomization[J]. The stata journal, 2016.

连享会计量方法专题……

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*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

断点回归RDD:样本少时如何做?

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。

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

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 ----------------------
.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*党获得投票份额

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*党于 t 期控制参议院导致了*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。

连享会计量方法专题……

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 - 14 不会被拒绝,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))    

断点回归RDD:样本少时如何做?

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。

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。

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

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*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*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

关于我们


断点回归RDD:样本少时如何做?