具有异质处理效应的断点回归设计的贝叶斯分析

断点回归设计 (RDD) 是一种在处理分配取决于观测协变量是否超过固定阈值的情境下估计因果效应的常用框架。我们考虑在样本由多个已知子群体构成且处理效应可能存在异质性的常见情境下的估计与推断。在应用文献中，通常通过拟合参数模型或分别考虑各子群体来处理异质性。相比之下，我们利用高斯过程回归开发了一种贝叶斯层次模型，该模型允许进行非参数回归，同时跨子群体借用信息。我们推导了后验分布，证明了后验一致性，并开发了一种 Gibbs 抽样内的 Metropolis-Hastings 算法。在广泛的模拟中，我们表明所提出的程序在估计和推断任务中均优于现有方法。最后，我们将该程序应用于美国参议院选举数据，发现存在在不同时期具有异质性的执政党优势。