Doubly Robust Regression Discontinuity Designs

要約

この研究では、回帰不連続性 (RD) 設計のための二重ロバスト (DR) 推定量を導入します。
RD デザインでは、治療効果は、実行中の変数が事前に定義されたカットオフを超えるかどうかに応じて治療の割り当てが決まる準実験設定で推定されます。
RD 推定における一般的なアプローチは、局所線形回帰などのノンパラメトリック回帰手法を適用することです。
このようなアプローチでは、妥当性はノンパラメトリック推定量の一貫性に大きく依存し、ノンパラメトリックの収束率によって制限されるため、$\sqrt{n}$ の一貫性が妨げられます。
これらの問題に対処するために、条件付きの期待結果に対する 2 つの異なる推定量を組み合わせた DR-RD 推定量を提案します。
これらの推定量のいずれかが一貫している場合、治療効果の推定量は一貫したままになります。
さらに、バイアス緩和効果により、両方の回帰推定量が特定の穏やかな条件を満たす場合、私たちが提案する推定量は $\sqrt{n}$-consistency を達成し、統計的推論も簡素化されます。

要約(オリジナル)

This study introduces a doubly robust (DR) estimator for regression discontinuity (RD) designs. In RD designs, treatment effects are estimated in a quasi-experimental setting where treatment assignment depends on whether a running variable surpasses a predefined cutoff. A common approach in RD estimation is to apply nonparametric regression methods, such as local linear regression. In such an approach, the validity relies heavily on the consistency of nonparametric estimators and is limited by the nonparametric convergence rate, thereby preventing $\sqrt{n}$-consistency. To address these issues, we propose the DR-RD estimator, which combines two distinct estimators for the conditional expected outcomes. If either of these estimators is consistent, the treatment effect estimator remains consistent. Furthermore, due to the debiasing effect, our proposed estimator achieves $\sqrt{n}$-consistency if both regression estimators satisfy certain mild conditions, which also simplifies statistical inference.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google