分层回归断点设计：探寻子组处理效应

回归断点设计（RDD）被广泛用于由连续变量决定干预下的因果推断。尽管在许多应用中人们关注子组间的处理效应异质性，RDD 通常受限于较小的子组样本量，导致估计结果极不稳定。为解决该问题，我们引入分层 RDD（HRDD），一种用于在 RDD 中探寻处理效应异质性的分层贝叶斯方法。HRDD 的一个关键特征是采用基于损失函数的伪模型来估计 RDD 下子组层面的处理效应参数，并赋予分层先验分布以从其他子组“借用强度”。后验计算可通过简单的 Gibbs 抽样轻松完成，最优带宽可由非归一化模型的 Hyvärinen 分数自动选择。我们通过模拟与真实数据分析展示了所提出的 HRDD，并表明相比将标准 RDD 方法分别应用于各子组，HRDD 提供了稳定得多的点估计与区间估计。