Heterojen Tedavi Etkisi Regresyon Kesme Tasarımı (HTE-RDD)
Heterogeneous Treatment Effect Regression Discontinuity Design · Ayrıca şöyle bilinir: HTE-RDD, heterogeneous RDD, subgroup RDD, effect heterogeneity RD
Heterojen Tedavi Etkisi RDD, atama kesme noktasını geçmenin nedensel etkisinin alt gruplar veya kovaryantlar boyunca nasıl değiştiğini tespit etmek ve tahmin etmek için klasik regresyon kesme çerçevesini genişletir. Eşik değerdeki tek bir yerel ortalama tedavi etkisini raporlamak yerine, HTE-RDD tedavi etkisinin bireysel özelliklere göre nasıl farklılaştığını haritalandırarak, eşik tabanlı bir müdahaleden kimlerin en çok veya en az fayda sağladığına dair daha zengin politika sonuçları elde edilmesini sağlar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Eşik tabanlı bir atama kuralınız olduğunda (klasik RDD ayarı) ve teori veya politika ilgisi, tedavi etkisinin alt gruplar arasında farklılaştığını gösterdiğinde (örneğin, cinsiyet, gelir çeyreği veya temel risk) HTE-RDD kullanın. Her alt grup için kesme noktasına yakın yeterli gözlem esastır; seyrek alt gruplar geniş güven aralıkları ve güvenilmez tahminler üretir. Çalışma değişkeninin kesme noktası etrafında manipüle edilebilir olması durumunda, alt grupların tedavi sonrası tanımlanması (seçim yanlılığına neden olarak) veya eşik yakınındaki genel örneklem küçükse bu yaklaşımı uygulamayın, çünkü zaten dar olan bir bant genişliğini daha fazla bölmek varyansı artırır.
Güçlü yönler & sınırlılıklar
- Rastgeleleştirme olmadan, bilinen bir eşik etrafındaki neredeyse rastgele varyasyondan yararlanarak heterojen nedensel etkileri belirler.
- Farklı alt popülasyonlar için politika açısından ilgili etki tahminleri üretir, eşik tabanlı bir kuraldan kimlerin en çok kazanç sağladığını ortaya koyar.
- RDD'nin zamana bağlı olmayan gözlemlenemeyenlere karşı sağlamlığını miras alır: kesme noktasının hemen üstündeki ve altındaki birimler ortalama olarak karşılaştırılabilir.
- Modern sağlam çıkarım araçlarıyla (sapma düzeltilmiş GK'lar, CCT bant genişliği seçimi) uyumludur, bu araçlar küçük örneklemlerde boyutu kontrol eder.
- Hem parametrik (etkileşim) hem de parametrik olmayan (alt grup başına ayrı RDD'ler) uygulamalara izin verir.
- Tahminler kesme noktasına yereldir; eşik dışındaki heterojen etkiler kurtarılamaz.
- Örneklemi alt gruplara göre bölmek, kesme noktasına yakın etkili örneklem boyutunu keskin bir şekilde azaltır, varyansı artırır.
- Süreklilik varsayımının her alt grup için ayrı ayrı geçerli olması gerekir, bu da doğrulanması ve iletilmesi daha zordur.
- Veri tarama riski: ön kayıt olmadan birçok moderatör arasında heterojenliği test etmek, yanlış keşif oranlarını artırır.
SSS
HTE-RDD, her alt grup için ayrı ayrı RDD çalıştırmaktan nasıl farklıdır?
Her alt grup için ayrı ayrı RDD çalıştırmak, HTE-RDD'nin en şeffaf uygulamasıdır. Etkileşim yaklaşımı (bir tedavi-kovaryant etkileşim terimi dahil), moderatör sürekli olduğunda ve etkinin onunla pürüzsüz bir şekilde kaydığı varsayıldığında daha verimlidir, ancak iki yaklaşım asimptotik olarak yakınsar. Ayrı RDD'lerin yorumlanması ve teknik olmayan kitlelere iletilmesi daha kolaydır.
Alt gruplara göre bölerken kesme noktası yakınında ne kadar örneklem büyüklüğüne ihtiyaç vardır?
Evrensel bir kural yoktur, ancak her alt grubun seçilen bant genişliği içinde kararlı bir yerel doğrusal uyum için yeterli gözleme sahip olması gerekir - genellikle pratik bir taban olarak alt grup başına her iki taraf için en az 50-100. Beklenen alt grup payı ve artık varyansı kullanarak güç hesaplamaları veri toplama öncesinde önerilir.
Kesme noktası tüm alt gruplar için aynı mı olmalı?
Standart bir HTE-RDD'de evet — aynı kesme noktası c tüm birimlere uygulanır ve heterojenlik, etkinin boyutunun bu paylaşılan eşikte alt gruplar arasında nasıl değiştiğidir. Farklı alt gruplar farklı kesme noktalarıyla karşılaşıyorsa, tasarım çoklu kesme noktası RDD'si haline gelir ve ayrı bir modelleme stratejisi gerektirir.
Heterojenlik testlerini nasıl raporlamalı ve önceden kaydetmeliyim?
Verileri analiz etmeden önce ilgilenilen tüm moderatörleri, beklenen heterojenlik yönünü ve çoklu düzeltme yöntemini belirtin. Her alt grup için hem nokta tahminlerini hem de sapma düzeltilmiş güven aralıklarını, genel etki heterojenliği testiyle birlikte raporlayın. Teyit edici ile keşifsel heterojenlik analizlerini ayırt edin.
Alt gruplar kesme noktası yakınında çok eşitsiz büyüklükteyse ne olur?
Küçük alt gruplar geniş güven aralıkları ve düşük güç üretir. İnce taneli moderatör kategorilerini birleştirmeyi, ayrık alt gruplar yerine sürekli bir moderatör kullanmayı veya kesme noktası yakınında daha fazla veri toplamayı düşünün. Çok geniş bir GK'yı dürüstçe raporlamak, analizi bastırmaktan daha iyidir.
Kaynaklar
- Dong, Y., & Lewbel, A. (2015). Identifying the Effect of Changing the Policy Threshold in Regression Discontinuity Models. Review of Economics and Statistics, 97(5), 1081-1092. DOI: 10.1162/REST_a_00510 ↗
- Chiang, H. D., Hsu, Y.-C., & Sasaki, Y. (2019). Causal Inference by Quantile Regression Kink Designs. Journal of Econometrics, 210(2), 405-433. DOI: 10.1016/j.jeconom.2019.02.005 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Heterogeneous Treatment Effect Regression Discontinuity Design. ScholarGate. https://scholargate.app/tr/causal-inference/heterogeneous-treatment-effect-regression-discontinuity-design
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Bulanık Regresyon Süreksizlik TasarımıNedensel çıkarım↔ karşılaştır
- Heterojen Tedavi Etkisi Farkların Farkı (HTE-DiD)Nedensel çıkarım↔ karşılaştır
- Yerel Ortalama Tedavi Etkisi (LATE / CACE)Nedensel çıkarım↔ karşılaştır
- Kuantil RegresyonuEkonometri↔ karşılaştır