5.14 RD workshop 3在线视频

刚才同学们基本上

把这几行命令算是搞明白了

但是有几个细节我们一起来看一下

23行大家看到它是不是

generate一个新的二元

变量

对不对

叫random win

那么这个

它是用了一个逻辑命令

也就是说它是基于问来建立的

问题是我们的

原来sharp RD的分组变量对吧

treatment的 asignment

那么它就加入了一个干扰项

也就是说它先用了一个随机

生成一个数

随机生成这个数

如果小于0.1

那么

就返回哪个逻辑值

返回1-win对不对

因为win也是个01变量

那1-win将来这个结果就反过来了

对不对 相当于

获胜的结果就会反过来

那么如果随机生成的值

它是大于

等于0.1的话

我们就是返回什么

返回win

也就是说变量大家想一想它是不是

就是fuzzy RD里面的实际的

分组变量的这样一个特点

它是基于我们的游戏规则win来去

来去生产的

但是有一些人

有一定比例的人

它没有按照这个游戏规则

就大概这个意思

没有问题

对于23号命令

有

它就是生成的这样的一个带干扰

的这么一个让我们可以用来

做fuzzy RD的这么一个变量

好

大家看25行同学们也都注意到了

ok

那么

25和26行其实分别是对sharp

RD的 win和fuzzy RD

的 random win

分别画图

其实就是画的咱们之前说的它们概率的图

对不对

这个就是它的

同学把静音关了

我们把25行

我不知道你们刚才有没有跑过

20

20 23行命令生生成之后

我们把25行

和26号

都跑一下

我们可以看到

就是说

你考虑的意思是什么

这个是

我们用 random win

来生成的这样的一个

一个变量

大家可以看一下

我们来看一下这张

你们是不是也跑出了这张图

这里大家可以看到灰色的散点图

灰色的散点图

是不是本来在

D小于0的情况下

应该

获胜的概率应该都是

D小于0的情况下应该都是0

但是在这种情况下

我们是不是发现有一些

我来搞一下注释

我会发现你看有一些点它就跑到

这边来了

就是说

这个是 D小于0

D小于0是左侧

左侧它应该都等于0

但是有一些人跑到等于1这来了

那么同样D大于0的这种情况说

它都应该是

1，就是win等于1的

但是random win里面它就有一部分

它就等于0了

这个就是fuzzy的情况

那么这时候再看拟合的曲线

显然就不是之前

非常sharp的这样的一个

楼梯式的这么一个跳跃了

那么它就变成了一个不等于

就是0和1之间那条曲线

当然这个曲线我们并不能

说它就是一个概率

函数

这个形态也没有这么好

因为这个是我们随机拟合出来的

所以这个就是一个用来做fuzzy

RD的这么一个变量

好

我们来看在fuzzy RD的情况下

我们怎么来分析

那么同学们注意到了

在29行命令里面

我们这次是加入了 treatment

treatment variable

就是random win

之前sharp RD我们是不用加这个变量的

刚才解释过了 因为

win跟 D是完全对应的

只要我们知道D的取值

我们就知道win的取值 因为

命令默认断点是在0

D大于0

那么这个win就等于1，D小于0

win就等于

0 所以说就没有必要再去

specify

a treatment

variable

但是在fuzzy RD的情况下

显然这两个对应关系就变了

不然怎么win跟D的关系就

不是一一对应了

刚才我们画图也看到了

所以在这种情况下我们就要加入

random one

所以它自己就会用什么

就会用这个工具变量法来去处理

所以第29行命令大家跑一下

好 那么这个时候大家可以看到

这个时候

我们跟之前的区别就在于说

我们specify了

谁是treatment

variable

X t在这里是谁？是random

win

其它都跟sharp RD里是一样的

那么我们最后跑的是个什么

瓦尔德估计

对不对 因为我们的

工具变量是一个二元变量

那么我们做的其实是个瓦尔德估计

那么这个是在限制一个带宽

我们没有报告这么多结果

限制一个带宽的情况下对它给出的结果

那么对于这个结果

大家能不能看明白

它报了三行

刚才你们有没有跑到这个位置

好

因为时间关系我们就不再做详细讨论

这三行分别是什么

分别是瓦尔德估计的

分子分母和比值

第一个是什么 是分子是吧

Numeric是分子 第二个

denominator是分母

就瓦尔德估计分母

这两个就分别对应的是什么

是不是分别对应的是我们

reduced form和第一阶段

的估计的值

对不对

差值条件期望的差值

它俩做比就是瓦尔德估计

对不对

一二行**我刚才刚说了这个明白了吗

明白了

对这个

就明白了 很简单

分子分母都给你报告出来了

因为它本身是有含义的

对不对

咱们都现在对瓦尔德估计很熟了

分子分母都是具有

它都是有很具体的含义的 我们也

愿意去知道它的结果

Ok那么这个就是对于fuzzy

RD的处理非常简单

在命令下 当然

它简单的代价就是说我们

只能用这种一种方式

其它的如果你想加别的东西就加不了了

那么可能单独再去找别的命令

或者要自己写命令了

好 这个是这

那么我们最后再留一个小的思考题

因为现在到点了

大家回去自己讨论一下

那么上面我们把 RD的主要的分析

都做完了

唯一没有做的

对y

做placebo RD怎么来做

因为我们刚才对协变量做placebo

RD我们已经做过了

对不对

唯一我们没有检验的就是对y怎么

做placebo RD