Politika Değerlendirme Regresyon Kesintisi Tasarımı
Regression Discontinuity Design for Policy Evaluation · Ayrıca şöyle bilinir: Policy RDD, RD design in policy evaluation, regression discontinuity policy analysis, RDD policy impact
Politika Değerlendirme Regresyon Kesintisi Tasarımı (Politika RDD), bir politikanın sonuçlar üzerindeki nedensel etkisini tahmin etmek için bir politika kuralındaki bilinen bir uygunluk eşiğini kullanır. Kesme noktasının hemen altındaki birimler, hemen üzerindeki birimler için güvenilir bir karşılaştırma grubu görevi görür ve bu da RDD'yi bir politikanın gerçekte neyi başardığını değerlendirmek için en şeffaf yarı-deneysel stratejilerden biri haline getirir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bir politika, bilinen bir kesme noktasını geçen sürekli bir puana veya endekse dayalı olarak tedavi atadığında ve randomize edemediğinizde Politika RDD'yi kullanın. Tasarım, refah, eğitim, sağlık, vergi veya düzenleyici programlardaki uygunluk kurallarını değerlendirmek için idealdir — örneğin, fayda alımı için gelir eşikleri, okula kabul için test puanı kesme noktaları veya yaşa dayalı uygunluk kuralları. Bant genişliğine yakın yeterli sayıda gözlem esastır; kesme noktasına yakın seyrek örneklemler gürültülü tahminler verir. Kesme noktası keyfi veya bilinmediğinde, çalışma değişkeni az sayıda kütle noktasına sahip ayrık olduğunda, birimler eşiği geçmek için puanlarını hassas bir şekilde manipüle edebildiğinde veya marjinaldeki yerel etki politika ile ilgili miktar olmadığında RDD kullanmayın. RDD, tüm popülasyon genelinde ortalama bir etkiyi değil, marjinal birimler için yerel bir ortalama etkiyi tahmin eder.
Güçlü yönler & sınırlılıklar
- Bilinen bir kurumsal kuralı kullanır, bu da tanımlama varsayımını — kesme noktasında potansiyel sonuçların sürekliliği — şeffaf ve doğrulanabilir kılar.
- Rastgele atanmış bir kontrol grubu gerektirmez; karşılaştırma grubu politika tasarımından doğal olarak ortaya çıkar.
- Çalışma değişkeni fonksiyonu aracılığıyla karıştırıcı faktörlerin esnek modellenmesine izin verir, bu da kesme noktasından uzakta kovaryat dengesizliğine karşı hassasiyeti azaltır.
- Politika yapıcılar, dergiler ve değerlendirme kuruluşları tarafından güvenilir bir yarı-deneysel standart olarak geniş çapta kabul görmüştür.
- Kolayca teşhis edilebilir: manipülasyon testleri, kovaryat dengesi ve plasebo kontrolleri, tasarımın sistematik doğrulanmasına olanak tanır.
- Yalnızca uygunluk marjındaki birimler için yerel bir ortalama tedavi etkisi tanımlar; sonuçlar kesme noktasından uzaktaki birimlere genellenemeyebilir.
- Bant genişliğine yakın yeterli gözlem yoğunluğu gerektirir — eşikteki seyrek veriler varyansı artırır ve daha geniş bant genişliklerini zorlar.
- Birimler, sürekliliği geçersiz kılarak çalışma değişkenini kesme noktasının hemen üstüne (veya altına) sıralamak için hassas bir şekilde manipüle edebilirse tamamen başarısız olur.
- Çalışma değişkeni için bant genişliği ve polinom derecesi seçimi, tahmin edilen etkiyi etkileyebilir ve dikkatli bir hassasiyet analizi gerektirir.
- Yalnızca önceden belirlenmiş, sürekli bir uygunluk eşiğine sahip programlar için geçerlidir; net bir kuralı olmayan politikalar bu şekilde incelenemez.
SSS
Süreklilik varsayımı nedir ve nasıl kontrol ederim?
Süreklilik varsayımı, potansiyel sonuçların koşullu beklentisinin, kesme noktasındaki çalışma değişkeninin düzgün, sürekli bir fonksiyonu olduğunu belirtir — bu nedenle gözlemlenen herhangi bir sıçrama yalnızca politikadan kaynaklanır. Bunu (1) manipülasyonu dışlamak için bir McCrary yoğunluk testi yaparak ve (2) denge regresyonları kullanarak kesme noktasındaki önceden belirlenmiş kovaryatlardaki sıçramaları test ederek kontrol edin. Her iki test de bir süreksizlik gösterirse, tasarım geçersizdir.
Politika değerlendirmesinde keskin ve bulanık RDD arasındaki fark nedir?
Keskin bir RDD'de, eşiği geçmek tedavi durumunu mükemmel bir şekilde belirler: üstündeki herkes politikayı alır ve altındaki hiç kimse almaz. Bulanık bir RDD'de, eşik yalnızca politikayı alma olasılığını değiştirir — kesme noktasının altındaki bazıları tedavi edilir ve üstündeki bazıları tedavi edilmez (uyumsuzluk). Bulanık RDD, eşiği bir araç değişkeni olarak kullanır ve tüm marjinal birimler yerine uyumlu olanlar için yerel bir ortalama tedavi etkisi tahmin eder.
Bant genişliğini nasıl seçerim?
Yerel doğrusal RDD tahmincisinin asimptotik ortalama kare hatasını minimize eden Calonico, Cattaneo ve Titiunik (CCT) seçicisi gibi veri odaklı optimal bir bant genişliği seçici kullanın. Ana bulgunun tek bir seçimden kaynaklanmadığını doğrulamak için her zaman bir dizi bant genişliği boyunca hassasiyet kontrolleri bildirin.
Neden daha yüksek dereceli bir polinom yerine yerel doğrusal regresyon tercih edilir?
Tüm çalışma değişkeni aralığı boyunca uydurulan daha yüksek dereceli global polinomlar, sınırda ve sınıra yakın aşırı, düzensiz tahminler üretebilir — RDD literatüründe iyi belgelenmiş bir sorun. Dar bir bant genişliği içindeki yerel doğrusal regresyon, kesme noktasında daha iyi yanlılık özelliklerine sahiptir, model yanlış spesifikasyonuna karşı daha sağlamdır ve uygulamalı pratikte şu anda önerilen varsayılan yöntemdir.
Politika RDD, farkların farkı ile birleştirilebilir mi?
Evet. Farkların süreksizlikleri tasarımı, bir politika değişikliğinden önce ve sonra kesme noktasındaki sıçramayı karşılaştırarak RDD'yi DiD ile birleştirir. Bu, birden fazla kohortun farklı zamanlarda aynı eşikle karşılaştığı veya ilgilenilen politikaya sıçramayı atfetmeden önce kesme noktasındaki önceden var olan bir süreksizliğin çıkarılması gerektiği durumlarda kullanışlıdır.
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 ↗
- Imbens, G. W., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. Journal of Econometrics, 142(2), 615-635. DOI: 10.1016/j.jeconom.2007.05.001 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Regression Discontinuity Design for Policy Evaluation. ScholarGate. https://scholargate.app/tr/causal-inference/policy-evaluation-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
- Nedensel Çıkarım için Enstrümantal Değişkenler (IV) YöntemiSağlık ekonomisi↔ karşılaştır
- Politika Değerlendirmesi Farkların FarkıNedensel çıkarım↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır