Sağlam Bulanık Regresyon Kesilme Tasarımı
Robust Bias-Corrected Fuzzy Regression Discontinuity Design · Ayrıca şöyle bilinir: Robust Fuzzy RDD, Fuzzy RD with robust inference, bias-corrected fuzzy RD, CCT fuzzy RDD
Sağlam Bulanık Regresyon Kesilme Tasarımı (Robust Fuzzy Regression Discontinuity Design - RFRDD), kesilme noktasını geçmenin tedaviyi almayı artırdığı ancak garanti etmediği bir eşikte yerel ortalama tedavi etkisini (LATE) tahmin eder. Calonico, Cattaneo ve Titiunik (2014) tarafından tanıtılan sağlam çerçeve, keskin ve bulanık vakalarda geleneksel bant genişliği-optimal çıkarımın kapsama başarısızlıklarını düzelten, yanlılık düzeltilmiş yerel polinom tahminini sağlam bir varyans tahmincisi ile uygular.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bilinen bir eşiğin birimleri kusurlu uyumla tedaviye atadığı durumlarda Sağlam Bulanık RDD kullanın — örneğin, uygun başvuranların tamamının kaydolmadığı program uygunluğu için test puanı kesilme noktaları veya kesilme noktasının altında bazı bireylerin hala fayda sağladığı gelir eşikleri. Yöntem, çalışan değişkenin sürekli olduğu, puan manipülasyonunun olası olmadığı ve tedavi olasılığındaki ilk aşama sıçramasının önemli olduğu (F-istatistiği 10'un üzerinde) durumlarda uygundur. Mükemmel uyum olduğunda (keskin tasarım geçerlidir), çalışan değişkenin kesilme noktası yakınında az sayıda kütle noktasına sahip olduğu ayrık olduğunda, yoğunluk testleriyle (density tests) kontrol edildiğinde eşikte yığılma veya manipülasyon kanıtı olduğunda veya araştırmacı tarafından seçilen bant genişliği açık bir gerekçe olmaksızın veri güdümlü optimumdan uzak olduğunda kullanmayın.
Güçlü yönler & sınırlılıklar
- Eşiğin tedaviyi yalnızca kısmen belirlediği durumlarda bile, atamayı bir araç olarak kullanarak geçerli nedensel çıkarım (LATE) sağlar.
- CCT yanlılık düzeltmesi ve sağlam varyans tahmincisi, MSE-optimal bant genişliğinde doğru asimptotik kapsama alanına sahip güven aralıkları sağlar ve bant genişliği aşırı yumuşatma konusundaki tahmin işini ortadan kaldırır.
- Veri güdümlü bant genişliği seçimi, analist takdirini ortadan kaldırarak tekrarlanabilirliği artırır ve spesifikasyon aramasını azaltır.
- Eşik yakınındaki rastgeleliğe yakın varyasyonlardan yararlanır, bu nedenle sonuçlar tam örneklemde tam kovaryant dengelemesi gerektirmeden güvenilirdir.
- Yazılım tarafından iyi desteklenir — R ve Stata'daki rdrobust paketi, hem keskin hem de bulanık tasarımlar için tam CCT işlem hattını uygular.
- Kesilme noktasına yakın uyumlular üzerindeki yerel bir etkiyi (LATE) tahmin eder ve bu etki kesilme noktasından uzaktaki birimlere veya her zaman alan ve asla alanlara genellenmeyebilir.
- Yeterince güçlü bir ilk aşama gerektirir: kesilme noktasındaki tedavi olasılığındaki zayıf bir sıçrama, büyük bir IV oranı varyansına ve güvenilmez tahminlere yol açar.
- Sürekli bir çalışan değişken ve manipülasyon olmaması esastır; kesilme noktası yakınındaki ayrık çalışan değişkenler veya kendi kendine sıralama, tanımlama varsayımını ihlal eder.
- Kesilme noktası yakınındaki küçük örnekler, yalnızca yerel gözlemler tahminlemeye katkıda bulunduğu için hassasiyeti keskin bir şekilde azaltır.
- Yorumlama, keskin bir tasarıma göre daha karmaşıktır; ilk aşama sıçramasının, indirgenmiş form etkisinin ve LATE oranının ayrı ayrı raporlanmasını gerektirir.
SSS
Bu tasarımı keskin olmaktan ziyade bulanık yapan nedir?
Keskin bir RDD'de, kesilme noktasını geçmek bir birimin tedavi alıp almadığını mükemmel bir şekilde belirler. Bulanık bir RDD'de, kesilme noktasını geçmek yalnızca tedavi olasılığını değiştirir — kesilme noktasının altındaki bazı birimler hala tedavi alır ve üstündekilerin bazıları almaz. Bu kısmi uyumluluk, kesilme noktasının doğrudan bir atama kuralı yerine bir araç olarak kullanıldığı anlamına gelir.
Sağlam yanlılık düzeltmesi neden gereklidir?
Nokta tahmininin MSE'sini en aza indiren bant genişliği, doğru kapsama alanına sahip güven aralıkları veren bant genişliği değildir. MSE-optimal bant genişliğinde, geleneksel aralıklar kalan yanlılığı hesaba katmadıkları için yetersiz kapsama alanına sahip olur. Calonico-Cattaneo-Titiunik (2014) sağlam aralığı, bir yanlılık düzeltme adımı ekler ve yanlılıktaki tahmin belirsizliğini hesaba katmak için varyansı şişirerek nominal kapsama alanını yeniden sağlar.
İlk aşama ne kadar büyük olmalı?
Genel bir kural olarak, IV oranının iyi huylu sonlu örnek özelliklerine sahip olması için 10'un üzerinde bir ilk aşama F-istatistiği gereklidir. Zayıf bir ilk aşama (F < 10) ile, LATE oranının paydası hassas bir şekilde tahmin edilemez, bu da geniş veya çarpık güven aralıklarına yol açar. Tedavi olasılığındaki ilk aşama sıçramasını güven aralığıyla birlikte raporlamak zorunludur.
Bu yöntemi ayrık bir çalışan değişkenle kullanabilir miyim?
Yalnızca dikkatle. Az sayıda kütle noktasına sahip ayrık bir çalışan değişken, bant genişliğinde sınırlı gözlemler anlamına gelir ve yerel polinom düzeltmesi güvenilmezdir. Manipülasyon için standart RDD yoğunluk testleri de ayrık durumda kötü performans gösterir. Bunun yerine ayrık çalışan değişkenler için uzmanlaşmış yöntemler (örneğin, Lee ve Card 2008) düşünülmelidir.
Sağlam bulanık RDD'yi hangi yazılım uygular?
Hem R hem de Stata'da bulunan rdrobust paketi, hem keskin hem de bulanık tasarımlar için tam CCT işlem hattını — veri güdümlü bant genişliği seçimi, yerel polinom tahmini, yanlılık düzeltmesi ve sağlam varyans — uygular. IV oranını otomatik olarak çalıştırmak için endojen tedavi değişkenini bulanık seçeneğiyle belirtin.
Kaynaklar
- Calonico, S., Cattaneo, M. D., & Titiunik, R. (2014). Robust Nonparametric Confidence Intervals for Regression-Discontinuity Designs. Econometrica, 82(6), 2295-2326. DOI: 10.3982/ECTA11757 ↗
- 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). Robust Bias-Corrected Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/tr/causal-inference/robust-fuzzy-regression-discontinuity
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
- Yerel Ortalama Tedavi Etkisi (LATE / CACE)Nedensel çıkarım↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır