用于回归断点设计的非参数贝叶斯方法
统计方法学
2019-02-01 v5
摘要
在回归断点设计（regression discontinuity design）中，估计阈值处平均处理效应的最流行方法之一是局部线性回归（LLR），它对离阈值更近的单元赋予更大权重。我们提出一种高斯过程回归方法，作为回归断点设计中LLR的贝叶斯类比。我们的方法通过对均值响应函数施加一般先验，为处理组和对照组响应提供灵活拟合。此外，与LLR不同，我们的方法能在估计处理效应时纳入单元加权方式的不确定性。我们证明了我们的方法在估计阈值处平均处理效应时是一致的。此外，我们通过仿真发现，与标准LLR和最先进LLR方法相比，我们的方法展现出良好的覆盖概率、区间长度和均方误差特性。最后，我们通过研究在国家篮球协会（NBA）中成为首轮选秀球员对篮球运动员表现和上场时间的影响，在真实案例上探索了我们方法的性能。
引用
@article{arxiv.1704.04858,
title = {A Nonparametric Bayesian Methodology for Regression Discontinuity Designs},
author = {Zach Branson and Maxime Rischard and Luke Bornn and Luke Miratrix},
journal= {arXiv preprint arXiv:1704.04858},
year = {2019}
}
备注
40 pages, 5 figures, 5 tables