2013年5月
对于面临奖励或录取截止点的申请人,在典型回归不连续(RD)设计中,因果效应对于接近截止点的申请人是非参数识别的。处理对边缘外申请者的影响也令人感兴趣,但识别这种影响需要比在截止点识别所需的更强的假设。本文讨论了远离截止点的RD识别。我们的识别策略利用了除运行变量之外的因变量预测因子的可用性。在这些预测符的条件下,假定运行变量是可以忽略的。这种识别策略用波士顿考试学校申请者的数据来说明。在这种情况下,基于函数形式的外推会产生不令人满意的结果,要么有噪声,要么不是很健壮。相比之下,基于特定于rd的条件独立性假设的识别,对考试学校出勤率对边缘申请人的影响产生了相当精确和令人惊讶的稳健估计。这些估计表明,对于那些运行变量值的9年级申请者来说,考试学校出勤率的因果效应与那些值将他们置于录取边缘的申请者的因果效应差别不大。对模糊设计的扩展显示,以确定因果效应的编译器远离截止。
下载
这些必要的cookie是激活网站核心功能所必需的。不能选择不使用这些技术。
为了进一步改善我们的报价和我们的网站,我们收集匿名数据进行统计和分析。在这些cookie的帮助下,我们可以,例如,确定访问者的数量和某些页面对我们网站的影响,并优化我们的内容。