Panel Veri Regresyon Kesme Tasarımı
Panel Data Regression Discontinuity Design · Ayrıca şöyle bilinir: Panel RD, Panel RDD, Longitudinal Regression Discontinuity, Fixed-Effects RDD
Panel veri regresyon kesme tasarımı (Panel RDD), regresyon kesmenin keskin yerel tanımlamasını, tekrarlanan gözlemlere sahip panel verilerde bulunan birim içi değişimiyle birleştirir. Birimler birden çok dönem boyunca gözlemlenir ve tedavi, bir çalıştırma değişkeninin bilinen bir eşiği aşıp aşmadığına bağlı olarak atanır. Hem keskinliği hem de panel yapısını kullanarak araştırmacılar, eşik yakınındaki nedensel bir tedavi etkisini tahmin ederken gözlemlenmeyen birim düzeyindeki heterojenliği kontrol edebilirler.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Tedavinin sürekli bir puanda bilinen bir eşik tarafından atandığı, birimlerin birden çok periyotta gözlemlendiği ve RDD'nin yerel rastgeleleştirmesini birim içi sabit etkili kontrol ile birleştirmek istediğinizde panel RDD'yi kullanın. İdeal ortamlar, tekrarlanan ortalama testine uygunluk, yıllık sınav tabanlı program kabulü ve zaman içinde düzenleyici eşik izlemeyi içerir. Birimlerin çalıştırma değişkeni puanlarını manipüle edebilmeleri, eşik dönemler arasında keyfi olarak değişerek ortak bir kesme tanımlanamaz hale getirmesi, yalnızca tek bir periyodun mevcut olması (bunun yerine standart RDD kullanın) veya panelin çok kısa olması ve kesme yakınındaki gözlem sayısının az olması durumunda kullanmayın.
Güçlü yönler & sınırlılıklar
- İki tanımlama kaynağını birleştirir — eşikteki yerel rastgeleleştirme ve birim içi değişim — nedensel tahminleri çapraz kesitsel RDD'den daha sağlam hale getirir.
- Birim sabit etkileri zaman-değişmez gözlemlenmeyen heterojenliği emer, tek periyotlu bir RDD'nin başardığından daha fazla eksik değişken yanlılığını azaltır.
- Eşik atama kuralı şeffaf ve harici olarak doğrulanabilir, bu da nedensel iddiaların güvenilir bir şekilde iletilmesini destekler.
- Panel yapısı, birim başına tekrarlanan gözlemlerin eşik yakınındaki etkili örneklem boyutunu artırması nedeniyle daha sıkı bant genişliklerini haklı çıkarabilir.
- Zaman sabit etkileri ek olarak tüm birimleri etkileyen toplu şokları kontrol eder, karıştırıcıları daha da sınırlar.
- Nedensel tahmin yereldir — yalnızca eşik yakınındaki birimlere uygulanır, tüm tedavi edilen birimlere değil, bu da dış geçerliliği sınırlar.
- Çalıştırma değişkeninin manipülasyonu tasarımı geçersiz kılar; sonuçlara güvenilmeden önce yoğunluk testlerinin geçilmesi gerekir.
- Zaman içinde seçilen bant genişliği içinde yeterli gözlem gerektirir; kesme yakınındaki çok seyrek paneller belirsiz tahminler verir.
- Eşik veya atama kuralı dönemler arasında değişirse, birleşik bir panel RDD tahmini farklı mekanizmaları karıştırabilir.
- Kesme her iki tarafındaki f(x_it) için fonksiyonel form seçimi önemlidir; polinom aşırı uyumu sınırda yanıltıcı tahminler üretebilir.
SSS
Panel RDD standart RDD'den nasıl farklıdır?
Standart RDD, eşik yakınında tek bir kesit (veya havuzlanmış kesitler) kullanır. Panel RDD, aynı birimleri birden çok dönem boyunca izleyerek birim sabit etkileri ekler, zaman-değişmez gözlemlenmeyen karıştırıcıları ortadan kaldırır ve boylamsal veri gerektirme maliyetiyle hassasiyeti artırır.
Tüm dönemleri sabit etkili tek bir regresyonda havuzlayabilir miyim?
Evet — kanonik yaklaşım, tüm dönemleri havuzlamak ve çalıştırma değişkeni fonksiyonu ve tedavi göstergesinin yanı sıra birim ve zaman sabit etkilerini dahil etmektir. Eşik veya atama kuralı döneme göre değişirse, etki heterojenliğine izin vermek için tedavi etkisini zaman kuklalarıyla etkileştirin.
Ne kadar bant genişliği kullanmalıyım?
Calonico-Cattaneo-Titiunik (CCT) optimal bant genişliği gibi veri güdümlü seçiciler önerilir. Bir panel ortamında, her birim birden çok gözlem katkıda bulunduğu için eşik yakınındaki etkili örneklem boyutu daha büyüktür, bu da yeterli hassasiyetle daha dar bir bant genişliğine izin verebilir.
Panelde çalıştırma değişkeninin manipülasyonunu nasıl test ederim?
McCrary'nin (2008) yoğunluk kesme testini dönem dönem ve havuzlanmış örneklem üzerinde uygulayın. Birimler puanlarını bazı dönemlerde ancak diğerlerinde manipüle edebiliyorsa, tasarım yalnızca manipülasyon olmayan dönemler için geçerli olabilir.
Eşik dönemler arasında değişirse ne olur?
Kesme değeri zamanla değişirse, her dönemdeki çalıştırma değişkenini o dönemin eşiğine göre normalleştirin (yani, x_it eksi c_t kullanın). Bu yeniden merkezleme, yerel rastgeleleştirme mantığını korurken farklı nominal kesme değerlerine sahip dönemler arasında havuzlamaya izin verir.
Kaynaklar
- Lee, D. S., & Lemieux, T. (2010). Regression Discontinuity Designs in Economics. Journal of Economic Literature, 48(2), 281-355. DOI: 10.1257/jel.48.2.281 ↗
- Hahn, J., Todd, P., & Van der Klaauw, W. (2001). Identification and Estimation of Treatment Effects with a Regression-Discontinuity Design. Econometrica, 69(1), 201-209. DOI: 10.1111/1468-0262.00183 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Panel Data Regression Discontinuity Design. ScholarGate. https://scholargate.app/tr/causal-inference/panel-data-regression-discontinuity-design
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
- Bulanık Regresyon Süreksizlik TasarımıNedensel çıkarım↔ karşılaştır
- Panel Veri Farkların Farkı (Panel DiD / TWFE)Nedensel çıkarım↔ karşılaştır
- Kesintili Zaman Serisi Panel VerileriNedensel çıkarım↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır