參與評論

評論

登錄后參與評論

全部評論(3條)

• 

  cm1958888 2016-01-26 00:00:00

  還是用錄取學(xué)校這個(gè)例子來說 假設(shè)要研究錄取到一本學(xué)校對學(xué)生未來工資的影響 首先，沒法做隨機(jī)試驗(yàn)是肯定的 現(xiàn)在如果我們用OLS的方法，為了排除“錄取到一本學(xué)?！边@個(gè)treatment的內(nèi)生性 我們就要往加入足夠多的解釋變量，比如說家庭教育，個(gè)人能力，經(jīng)濟(jì)能力等等等，變量越多估計(jì)結(jié)果越準(zhǔn)確。以及和這個(gè)treatment的虛擬變量 但如果我們只加入一個(gè)虛擬變量，說明我們默認(rèn)了是否被錄取一本學(xué)校對不用能力、不同家庭背景的學(xué)生的影響都是一樣的，這顯然讓人難以信服 為了更好地識別錄取到一本學(xué)校的影響，我們再往方程里加入它與各個(gè)變量的交互項(xiàng)，這個(gè)回歸跑出來，理論上我們就可以得出，對于任意一類學(xué)生，是否錄取到一本學(xué)校對他的影響有多大 。 。 。 想想都知道一旦變量多起來這個(gè)回歸有多不靠譜 但是如果用斷點(diǎn)回歸的方法，我們起碼可以在有限的數(shù)據(jù)集中估計(jì)出一個(gè)相對準(zhǔn)確的結(jié)果 在“連續(xù)性”的假設(shè)下，我們并不需要控制住那么多變量，因?yàn)槲覀冋J(rèn)為以running variable為參考的某個(gè)點(diǎn)附近，比如高考分500分附近的人，他們的學(xué)習(xí)成績，乃至智商、情商、abcdQ等其他因素都是差不多的（這個(gè)說法可能要斟酌一下），而在這個(gè)499分和500分這群人差不多的人以后工資的差異，就可以被看做是錄取到一本學(xué)校的純的影響。但顯然，這個(gè)影響顯然是針對那群差不多的人而言的，對另一群學(xué)生來說，這個(gè)影響就毫無說服力了，因?yàn)槟阏J(rèn)為錄取到一本學(xué)校的影響對于不同群體而言是不一樣的。這句話是不是和上面下劃線那句話很像（其實(shí)就是一個(gè)意思嘛）。 所以我認(rèn)為兩者的關(guān)系是，RD（上面其實(shí)是個(gè)Sharp RD的例子）估計(jì)出來的影響，相當(dāng)于在回歸方程中加入足夠多的虛擬變量交互項(xiàng)，再估計(jì)出treatment在某個(gè)點(diǎn)的偏效應(yīng)。多元回歸做不好這件事，而RD能做好。

  贊(6)

  回復(fù)(0)

  評論

  評論

  登錄后參與評論

• 

  阿Zhaomin 2016-01-29 00:00:00

  主要差別有以下幾種：RD運(yùn)用于quasi-experiment實(shí)驗(yàn)，有別于自然隨機(jī)實(shí)驗(yàn)下直接添加dummy采用OLS估計(jì)的模型。估計(jì)方法的不同。RD通常采用局部線性回歸的方法（即不選用全樣本，而選用一定帶寬內(nèi)的樣本，），本質(zhì)上是對斷點(diǎn)周圍局部效應(yīng)（LATE，Local Average Treatment Effect)的一個(gè)估計(jì)。Z優(yōu)帶寬的估計(jì)由Imbens and Kalyanaraman(2009)提供，并且一般要提供不同帶寬的結(jié)果以顯示結(jié)果的robustness。有時(shí)，RD還采用核回歸的非參方法。RD需要檢驗(yàn)內(nèi)生分組（endogenous sorting)的問題，即要假設(shè)如果個(gè)體事先知道分組規(guī)則，并可通過自身努力而完全控制分組變量，引起斷點(diǎn)回歸的失效。如果在RD中加入?yún)f(xié)變量，還需檢驗(yàn)協(xié)變量對于的條件密度是否在斷點(diǎn)處連續(xù)，即斷點(diǎn)處的"jump"不是由協(xié)變量的“jump”產(chǎn)生。注：以上內(nèi)容主要面向Sharp RD. Fuzzy RD使用時(shí)分組變量是否大于斷點(diǎn)的dummy（稱為Z）作為處理變量（稱為D，即主要的估計(jì)量）的工具變量。Z顯然與D相關(guān)，而Z在斷點(diǎn)附近相當(dāng)于局部隨機(jī)實(shí)驗(yàn)，故只通過D影響變量y，與擾動(dòng)項(xiàng)不相關(guān)，故滿足外生性?？梢允褂肸作為D的工具變量，使用2SLS進(jìn)行估計(jì)。

  贊(16)

  回復(fù)(0)

  評論

  評論

  登錄后參與評論

• 

  yyonell 2018-07-29 00:00:00

  主要差別有以下幾種： RD運(yùn)用于quasi-experiment實(shí)驗(yàn)，有別于自然隨機(jī)實(shí)驗(yàn)下直接添加dummy采用OLS估計(jì)的模型。 估計(jì)方法的不同。RD通常采用局部線性回歸的方法（即不選用全樣本，而選用一定帶寬內(nèi)的樣本，），本質(zhì)上是對斷點(diǎn)周圍局部效應(yīng)（LATE，Local Average Treatment Effect)的一個(gè)估計(jì)。Z優(yōu)帶寬的估計(jì)由Imbens and Kalyanaraman(2009)提供，并且一般要提供不同帶寬的結(jié)果以顯示結(jié)果的robustness。有時(shí)，RD還采用核回歸的非參方法。 RD需要檢驗(yàn)內(nèi)生分組（endogenous sorting)的問題，即要假設(shè)如果個(gè)體事先知道分組規(guī)則，并可通過自身努力而完全控制分組變量，引起斷點(diǎn)回歸的失效。 如果在RD中加入?yún)f(xié)變量，還需檢驗(yàn)協(xié)變量對于的條件密度是否在斷點(diǎn)處連續(xù)，即斷點(diǎn)處的"jump"不是由協(xié)變量的“jump”產(chǎn)生。 注：以上內(nèi)容主要面向Sharp RD. Fuzzy RD使用時(shí)分組變量是否大于斷點(diǎn)的dummy（稱為Z）作為處理變量（稱為D，即主要的估計(jì)量）的工具變量。Z顯然與D相關(guān)，而Z在斷點(diǎn)附近相當(dāng)于局部隨機(jī)實(shí)驗(yàn)，故只通過D影響變量y，與擾動(dòng)項(xiàng)不相關(guān)，故滿足外生性?？梢允褂肸作為D的工具變量，使用2SLS進(jìn)行估計(jì)。

  贊(20)

  回復(fù)(0)

  評論

  評論

  登錄后參與評論