第七章╲t 回归间断点.pptVIP

第七章 回归间断点设计 2010级公共政策硕士 杨永杰 开篇案例 一、回归间断点的基本要素 （2）截断点和截断值的选择 1 截断值最好是赋值变量的平均数 2截断值不能是极值 3多个赋值变量情况下，先标准化后进行测量形成一个总得分，然后在这个基础上选取截断值。 4对包含“价值”和“需求”的变量，不是在它们共同的标准下设置截断值，而是对它们分别设置。 （3）其它要求 1赋值变量与结果之间的函数形式是很重要的，如果函数公式不能确定下来，实验处理效果的估计就会有误差。 2所有的参与者在被赋值之前必须属于同一个群体。 3保持参与者处在他们被分配后的状况。 3.基本设计上的一些变化 1可以两个个实验组相互比较，而不是比较实验组与对照组，其中的分析与设计还是与原来的一样。2可以比较三种情况，一个标准实验处理，一个创新，一个对照，参与者根据多个截断值进行赋值。3可以对不同组使用不同程度的实验处理。4即使两种情况可以被操纵，对于赋值变量的两个截断点仍可以将参与者分为三个组。中间那个组接受一种状况，另外两个组接受其他状况。 二、回归间断点设计的理论 三、对效度的威胁 1.回归间断点设计（RD）与间断的时间序列设计（ITS） 在间断时间序列和回归间断点设计中，效果都是在连续变量上一个特定的点上发生的。在ITS中，时间是一个连续变量，而在RD中，赋值变量是连续变量。在ITS中，干预发生在已知的时间点上，在RD中，它发生在一个已知的截断值上，如果实验处理在ITS中是有效的，它可以改变实验处理发生那个点上时间序列的斜度或是平均值，在RD中，则会改变回归线的斜率和截距。因此，在RD中对于效度的威胁和在ITS中对于效度的威胁不会有多大的不同，在很多方面都相似。在简单的间断的时间序列设计中，最大的威胁是具体的那个点，即干预发生的时间点。成熟和选择对效度的威胁不是很大，而历史和工具则会效度的威胁很大，这些同样也对RD的效度产生威胁。 三、回归间断与随机实验的结合 这种结合的优点： 四、回归间断与准实验设计的结合 当做非等组比较的准实验设计时，这种结合就会特别有用，而且，在准实验中增加回归间断点设计会对那些需要准实验给予他们判断力的人更有实践意义。增加回归间断提高从准实验中得出估计的效力。 回归间断点设计是实验还是准实验？ 第一，它是新出现的，它的设计和分析的不足并没有随机实验那么清晰。 第二，在回归间断设计中，对赋值变量与结果变量之间的函数形式的模拟至关重要，比随机实验要求更多的统计分析。 第三，回归间断点设计并没有随机实验那么高的效力，主要是因为赋值变量与处理变量之间的共线性，尤其是截断点设置在第三个十分位数或更低的位置上。 * * 当刑满释放的犯人回到社会上后，由于缺少工作或者是其他保障，很容易就发生再次犯罪的行为。Berk和Rauma就对加州出台的一项旨在给新出狱的犯人提供补助以减少他们再次犯罪的可能性的政策进行测试，受资助的刑满释放人员必须满足在服刑的前十二个月中劳动超过652个小时这一条件，因此可以将这些释放人员分为劳动超过652个小时和未超过652个小时的两个组，其中652就是一个间断点或称为截断值。这就是我们这一章将要给大家介绍的回归间断设计。 1．回归间断点的基本结构 其中　是对赋值变量未分配前的测量，　表示各单位按照截断值被分配到不同的状况。如果J是一个在　上的截断值，那么所有大于J的值将被分配到一个组，小于J的值将被分配到另一个组，每一个赋值变量都要有顺序测量的特点。 2.回归间断点设计的构成要件 (1)赋值变量（assignment variable）对于实验处理的赋值必须根据截断值，它不能由实验处理所引起，除非赋值变量在实验处理开始之前被测量或者是某一个变量一直保持不变，比如人的出生日期。 其特征： 赋值变量是前测的结果 赋值变量可以与结果完全无关，也可以没有任何实质含义 最好的赋值变量是一个连续的变量 可以有多个赋值变量被使用 回归间断作为一个选择过程的完整模型 在随机实验中使用间断点回归去估计效果 2.统计结论效度与函数形式的设