用于断点回归设计的狄利克雷过程混合模型
应用统计
2020-03-27 v1 统计方法学
摘要
断点回归设计（RDD）是一种准实验设计，用于估计当处理分配由连续分配变量的阈值定义时处理的因果效应。RDD 假设阈值附近带宽内的观测对象属于同一总体，从而该阈值可被视为一种随机化装置：将处理分配给刚高于阈值者，而拒绝分配给刚低于阈值者。带宽选择是 RDD 分析中一个关键决策，因为其结果可能对带宽的选择高度敏感。已有大量主要源自计量经济学文献的最优带宽选择方法被提出，然而它们在实践中的使用有限。我们提出一种方法，从应用视角切入该问题，将单元的不可区分性（即相对于已测协变量的相似性）作为选取分析对象的主要准则，而不论其与阈值的距离。我们使用狄利克雷过程混合模型对样本进行聚类以识别均衡且同质的簇。我们的方案利用后验相似矩阵，其包含 MCMC 样本中两个观测被分配至同一簇的成对概率。因此我们仅在 RDD 分析中纳入那些我们有更强不可区分性证据的簇。我们通过一个模拟实验以及一个关于他汀类药物降低胆固醇水平效应的实证例子（使用英国初级保健数据）来说明我们方法的有效性。
引用
@article{arxiv.2003.11862,
title = {Dirichlet Process Mixture Models for Regression Discontinuity Designs},
author = {Federico Ricciardi and Silvia Liverani and Gianluca Baio},
journal= {arXiv preprint arXiv:2003.11862},
year = {2020}
}