Gráficos en el diseño de regresión discontinua en "Stata" o "R"

Question

Lee y Lemieux (p. 31, 2009) sugieren al investigador que presente los gráficos mientras realiza el análisis de diseño de regresión discontinua (RDD). Sugieren el siguiente procedimiento:

"...por un poco de ancho de banda $h$ y para un cierto número de contenedores $K_0$ y $K_1$ a la izquierda y a la derecha del valor de corte, respectivamente, la idea es construir bins ( $b_k$ , $b_{k+1}$ ], para $k = 1, . . . ,K = K_0$ + $K_1$ , donde $b_k = c(K_0k+1) \cdot h.$ "

c=cutoff point or threshold value of assignment variable
h=bandwidth or window width.

...luego compara los resultados medios justo a la izquierda y a la derecha del punto de corte..."

...en todos los casos, también mostramos los valores tted de un modelo de regresión cuártica estimado por separado a cada lado del punto de corte...(p. 34 del mismo documento)

Mi pregunta es cómo programar ese procedimiento en Stata o R para trazar los gráficos de la variable de resultado frente a la variable de asignación (con intervalos de confianza) para el RDD agudo. Un ejemplo en Stata se menciona aquí y aquí (sustituir rd por rd_obs) y un ejemplo en R es aquí . Sin embargo, creo que ambos no implementaron el paso 1. Tenga en cuenta, que ambos tienen los datos en bruto junto con las líneas ajustadas en los gráficos.

Gráfico de muestra sin variable de confianza [Lee y Lemieux,2009] Gracias de antemano.

Answer 1

¿Es esto muy diferente de hacer dos polinomios locales de grado 2, uno para por debajo del umbral y otro para por encima con suave en $K_i$ ¿puntos? He aquí un ejemplo con Stata:

use votex // the election-spending data that comes with rd

tw 
(scatter lne d, mcolor(gs10) msize(tiny)) 
(lpolyci lne d if d<0, bw(0.05) deg(2) n(100) fcolor(none)) 
(lpolyci lne d if d>=0, bw(0.05) deg(2) n(100) fcolor(none)), xline(0)  legend(off)

También puede guardar los valores suavizados por lpoly y los errores estándar como variables en lugar de utilizar twoway . Abajo $x$ es la papelera, $s$ es la media suavizada, $se$ es el error estándar, y $ul$ y $ll$ son los límites superior e inferior del intervalo de confianza del 95% para el resultado suavizado.

lpoly lne d if d<0, bw(0.05) deg(2) n(100) gen(x0 s0) ci se(se0)
lpoly lne d if d>=0, bw(0.05) deg(2) n(100) gen(x1 s1) ci se(se1)

/* Get the 95% CIs */
forvalues v=0/1 {
    gen ul`v' = s`v' + 1.95*se`v' 
    gen ll`v' = s`v' - 1.95*se`v' 
};

tw 
(line ul0 ll0 s0 x0, lcolor(blue blue blue) lpattern(dash dash solid)) 
(line ul1 ll1 s1 x1, lcolor(red red red) lpattern(dash dash solid)), legend(off)  

Como puede ver, las líneas del primer gráfico son las mismas que las del segundo.

Answer 2

Aquí hay un algoritmo enlatado. Calonico, Cattaneo y Titiunik han propuesto recientemente un procedimiento para la selección robusta del ancho de banda. Aplicaron su trabajo teórico tanto para Stata como para R y también viene con un comando de trazado. Aquí hay un ejemplo en R:

# install.packages("rdrobust")
library(rdrobust)
set.seed(26950) # from random.org
x<-runif(1000,-1,1)
y<-5+3*x+2*(x>=0)+rnorm(1000)
rdplot(y,x)

Eso te dará este gráfico: