带未知断点处的贝叶斯回归不连续设计
统计方法学
2025-07-02 v3
摘要
回归不连续设计（RDD）是一种准实验方法，用于估计基于断点准则分配的干预因果效应。RDD 利用了在断点处，下方和上方的单位彼此相似，从而可以进行有意义的比较。因此，只能在断点处估计因果效应，这使得断点位置成为 RDD 的关键要素。然而，确切的断点位置可能并不总是向研究者披露，即使披露了，实际位置也可能偏离官方位置。我们在将 RDD 应用于 HIV 疗法资格数据时进行说明，显示在错误的断点处估计因果效应会导致无意义的结果。我们提出的方法 LoTTA（Local Trimmed Taylor Approximation）可同时作为估计和验证工具用于 RDD。我们采用贝叶斯方法以纳入对断点位置的先验知识和不确定性，以进行因果效应估计。同时，LoTTA 针对整个数据集进行全局拟合，而 RDD 是一种局部、边界点估计问题。在本文中，我们解决的一个自然问题是：如何使贝叶斯推断更局部化，以实现对治疗效应的有意义且有力的估计？
引用
@article{arxiv.2406.11585,
title = {Bayesian regression discontinuity design with unknown cutoff},
author = {Julia Kowalska and Mark van de Wiel and Stéphanie van der Pas},
journal= {arXiv preprint arXiv:2406.11585},
year = {2025}
}