La comparación aproximada de RD estimaciones para un "OLS" analógica

Question

En IV, a veces he visto en comparación con las estimaciones de MCO para dar una idea de cómo la TARDE se pueden comparar a los de ATE.

¿Cuál sería el análogo de ser borroso RD? ¿Cuál es el punto de referencia de la estimación?

Me imagino la analogía sería la de ecuaciones estructurales sin instrumentar para la variable endógena? Habría que incluir el RD polinomio en que? Habría que limitarlo a un estrecho ancho de banda?

¿El siguiente sentido?

Supongamos que la RD es para una prueba de puntuación de corte para una aceptación a un programa académico, y la difusa RD analiza el impacto de la ser, aparte de que el programa de ganancias en el futuro.

El OLS de referencia sería la regresión de los salarios sobre un maniquí para la participación en el programa académico y el nivel de la puntuación de la prueba? El instrumento no es

La IV línea base sería la regresión de los salarios sobre la participación en el programa y el nivel de la prueba de puntuación, y el instrumento de participación con una primera etapa que experimenta una regresión de la participación en un maniquí para si la puntuación de la prueba fue por encima del umbral más el nivel de la puntuación de la prueba?

A continuación, el RD uñas que haciendo 2 cosas: en Primer lugar, reemplaza el nivel de la puntuación de la prueba con una gama flexible de polinomios en el nivel de la puntuación de la prueba: por tramos lineales, cuadráticas, etc ... Segundo, limita la muestra a más estrecho ancho de banda alrededor de la discontinuidad. La presentación de las estimaciones de numerosas permutaciones entre el ancho de banda y el polinomio de orden?

Es que un razonable marco para la comparación de ATE, TARDE, y Ponderado de la TARDE (es decir aproximada RD)?

Answer 1

Primero de todo, parece que mezclar unas pocas de el efecto del tratamiento de los conceptos. IV resultados no se comparan a OLS para ver cómo la TARDE se compara con la COMIÓ. Eso es porque OLS no estimar la ATE, que es la razón por la que se instrumentan en el primer lugar.

Si las técnicas que mencionar proporcionar estimaciones coherentes, entonces

• OLS estimaciones de la COMIÓ, $E[Y_{i1} - Y_{i0}]$
• IV estimaciones de la TARDE para una subpoblación afectadas por el instrumento (la compliers), $E[Y_{i1} - Y_{i0}\mid Z_i]$
• RD estimaciones de la COMIMOS en la corte donde comparar tratados y no tratados unidades antes y después de este corte, $E[Y_{i1}-Y_{i0}\mid X_i = \tilde{x}]$

pero de nuevo: había OLS dado estimaciones coherentes para empezar, no habría habido la necesidad de uso IV o RD. Cuando se comparan las estimaciones, usted puede comparar aproximada de RD a OLS como habría hecho con su IV resultados. De hecho, fuzzy RD es IV.

Tiene en ejecución un/forzar variable $X_i$ y un valor de corte $X_i = \tilde{x}$, pero ahora el tratamiento de la $D_i$ no es una función determinista de este punto de corte más (como en el fuerte RD caso), pero la probabilidad de conseguir el tratamiento se ve afectado por estar por encima del umbral. Entonces usted tiene un muñeco $T_i$, que es uno de aquellos por encima de la frecuencia de corte y cero en caso contrario, y de ejecutar las dos regresiones: $$ \begin{align} D_i &= \gamma_0 + \gamma_1 X_i + \gamma_2 X_i^2 + ... + \gamma_p X_i^p + \rho T_i + e_i \newline Y_i &= \beta_0 + \beta_1 X_i + \beta_2 X_i^2 + ... + \beta_p X_i^p + \delta D_i + u_i \end{align} $$ con el número adecuado de polinomios.

Aproximada de RD estimaciones de la TARDE y el compliers son aquellos individuos cuyo tratamiento de los cambios de estado como aumentar su $X_i$ desde justo antes de que el umbral para justo después de que el umbral. Una vez aclarado el concepto de aproximada de RD esto debería ayudar a que usted sepa lo que usted puede comparar.

El principal punto de venta con RD aunque tiene que ser hecha por los gráficos y por lo menos mediante los números. Para algunos lineamientos prácticos y lecturas, ver Lee y Lemieux (2010) "la Regresión de los Diseños de Discontinuidad en la Economía".