Графики в регрессионном разрыве дизайна в «Stata» или «R»

Lee и Lemieux (стр. 31, 2009) предлагают исследователю представить графики при выполнении анализа разрыва непрерывности регрессии (RDD). Они предлагают следующую процедуру:

«... для некоторой полосы пропускания и для некоторого числа бинов и слева и справа от значения отсечки, соответственно, идея состоит в том, чтобы построить бины ( , ], для + , где "К 0 К 1 б к б к + 1 к = 1 , . , , , K = K 0 K 1 b k = c - ( K 0 - k + 1 ) ⋅ 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.

... затем сравните средние результаты только слева и справа от точки отсечения ... "

... во всех случаях мы также показываем фиксированные значения из модели квартальной регрессии, оцениваемые отдельно на каждой стороне от точки отсечения ... (стр. 34 той же статьи)

Мой вопрос, как мы программируем эту процедуру Stataили Rдля построения графиков переменного результата с переменным назначением (с доверительными интервалами) для резкого РДА .. Образец примера Stataупоминаются здесь и здесь (заменить е места с rd_obs) и образец Пример в Rэтом здесь . Тем не менее, я думаю, что оба из них не реализовали шаг 1. Обратите внимание, что оба имеют необработанные данные вместе с выровненными линиями на графиках.

Пример графика без доверительной переменной [Lee and Lemieux, 2009] Заранее спасибо.

Сильно ли это отличается от двух локальных полиномов степени 2: один для порога ниже порога, а второй для сверху с гладкой в точках ? Вот пример со Stata:$K_i$

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)

В качестве альтернативы, вы можете просто сохранить сглаженные значения lpoly и стандартные ошибки как переменные вместо использования twoway. Ниже - ячейка, - сглаженное среднее, - стандартная ошибка, а и - верхний и нижний пределы 95% доверительного интервала для сглаженного результата.лет с е у л л $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)  

Как видите, линии на первом графике такие же, как на втором.

Вот законсервированный алгоритм. Calonico, Cattaneo и Titiunik недавно предложили процедуру для надежного выбора полосы пропускания. Они реализовали свою теоретическую работу как для Stata, так и для R , и она также поставляется с командой сюжета. Вот пример в R:

# 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)

Это даст вам этот график: