Stata:pzms-RDD和RKD的最优模型选择
(2023-04-18 16:17:31)
标签:
statapzms-rddplacebozonesrkd最优模型选择 |
分类: Stata推文 |
目录
1. 简介
断点回归 (RDD) 和拐点回归 (RKD)通常被用来评估政策干预的效果。以RRD为例,通过比较阈值(cut off)左右两侧的平均值来评估政策干预的效果。然而,该方法对模型的选择和参数估计非常敏感。在实证过程中,要面临的首要问题是如何在带宽、函数形式、核密度、协变量等多维度参数中进行选择。选择不合适的模型可能会导致错误的结论。因此,需要选择一个最优模型来准确地评估政策干预的效果。
为了解决上述问题,本文提出了一种新的方法——Placebo Zones。该方法有助于选择最优模型,以评估模型的准确性和稳健性。
具体而言,首先,选择阈值两侧的一定范围内的值来创建安慰剂区(Placebo Zones),在范围足够大的情况下,安慰剂区不会受到政策冲击的影响。安慰剂区中的数据可以用来估计零效应 (null effect) ,如果估计模型是有效的,则该零效应的估计值为0(安慰剂区未受到政策冲击,其真实值为0)。
其次,通过将估计的处理效应与安慰剂区的零效应进行比较,可以评估RDD设定的有效性和所选模型的准确性。如果零效应估计为0,且估计的处理效应具有统计显著性,则说明具有因果效应。反之,如果零效应异于0,则说明模型设定无效,估计的治疗效应可能存在偏差。
综上,Placebo Zones是一种有助于选择最佳回归模型的新方法,能够帮助我们准确评估政策干预的效果。这种方法非常适用于RDD、RKD以及cohort-IV,因为它有助于排除其他因素的影响,从而获得准确和可靠的结果。