决胜实验设计的核回归分析

决胜实验设计（TBD）是随机对照试验（RCT）与回归间断设计（RDD）的混合体，其中得分中等的受试者被置于 RCT 中，而得分极端的受试者被确定性地分配到处理组或对照组。在拒绝向更应得者提供处理是不公平或不经济的情况下，决胜设计（TBD）权衡了 RDD 的实际优势与 RCT 的统计优势。TBD 中随机化的实际代价通常难以一般性量化，而 TBD 中随机化所带来的统计益处仅在线性和二次模型下被研究过。本文中，我们不使用参数建模假设来讨论并量化 TBD 的统计益处。若目标是估计平均处理效应或多个得分值处的处理效应，使用 TBD 相对于 RDD 的统计益处是明显的。若目标仅在一个得分值处非参数地估计平均处理效应，我们证明 RDD 需要约 2.8 倍多的受试者才能达到相同的渐近均方误差。我们进一步通过理论结果以及来自 Angrist 和 Lavy（1999）班级规模数据集的模拟证明，TBD 更大的实验半径选择会带来更高的统计效率。