「Stata」または「R」の回帰不連続設計のグラフ

LeeとLemieux（p。31、2009）は、研究者に、回帰不連続設計分析（RDD）を実行しながらグラフを提示することを提案しています。彼らは以下の手順を提案します：

「...帯域幅がいくつかあり、カットオフ値の左側と右側にそれぞれいくつかのビンと K_1がある場合、アイデアはビン（b_k、b_ {k + 1} ]、k = 1、。。。、K = K_0 + K_1、ここでb_k = c−（K_0−k + 1）\ cdot h。 "$h$$K_0$$K_1$$b_k$$b_{k+1}$$k = 1, . . . ,K = K_0$$K_1$$b_k = c−(K_0−k+1) \cdot h.$

c=cutoff point or threshold value of assignment variable
h=bandwidth or window width.

...次に、平均結果をカットオフポイントの左と右だけで比較します... "

..すべての場合において、カットオフポイントの両側で別々に推定された4次回帰モデルからの適合値も表示します...（同じ論文のp。34）

私の質問は、私たちがその手順をプログラムはどうすればよいですStataかRに...シャープRDDのために（信頼区間）の割り当て変数に対して、結果変数のグラフをプロットするためのサンプル例がStata挙げられ、こことここ（rd_obsとRD置き換え）とサンプルの例Rはこちらです。ただし、これらはどちらもステップ1を実装していなかったと思います。どちらも生のデータと、プロットの適合線を持っていることに注意してください。

信頼変数なしのサンプルグラフ[Lee and Lemieux、2009] よろしくお願いします。

次数2の2つのローカル多項式をやってから、このくらい違う、しきい値以下用とで滑らかで上記のためのものであるポイントは？以下は、スタタの例です。$K_i$

use votex // the election-spending data that comes with rd

tw 
(scatter lne d, mcolor(gs10) msize(tiny)) 
(lpolyci lne d if d<0, bw(0.05) deg(2) n(100) fcolor(none)) 
(lpolyci lne d if d>=0, bw(0.05) deg(2) n(100) fcolor(none)), xline(0)  legend(off)

または、を使用する代わりに、lpoly平滑化値と標準誤差を変数として保存することもできますtwoway。下はビン、は平滑化された平均、は標準誤差、とは平滑化された結果の95％信頼区間の上限と下限です。s s e u l l $x$$s$$se$$ul$$ll$

lpoly lne d if d<0, bw(0.05) deg(2) n(100) gen(x0 s0) ci se(se0)
lpoly lne d if d>=0, bw(0.05) deg(2) n(100) gen(x1 s1) ci se(se1)

/* Get the 95% CIs */
forvalues v=0/1 {
    gen ul`v' = s`v' + 1.95*se`v' 
    gen ll`v' = s`v' - 1.95*se`v' 
};

tw 
(line ul0 ll0 s0 x0, lcolor(blue blue blue) lpattern(dash dash solid)) 
(line ul1 ll1 s1 x1, lcolor(red red red) lpattern(dash dash solid)), legend(off)  

ご覧のとおり、最初のプロットの線は2番目のプロットと同じです。

これが缶詰アルゴリズムです。Calonico、Cattaneo、およびTitiunikは最近、堅牢な帯域幅選択の手順を提案しました。彼らはStataとRの両方に対して理論的な作業を実装しました。また、プロットコマンドも付属しています。Rの例を次に示します。

# install.packages("rdrobust")
library(rdrobust)
set.seed(26950) # from random.org
x<-runif(1000,-1,1)
y<-5+3*x+2*(x>=0)+rnorm(1000)
rdplot(y,x)

それはあなたにこのグラフを与えます：