包含潜变量的回归不连续性分析

《Multivariate Behavioral Research》：Regression Discontinuity Analysis with Latent Variables

本研究提出潜在回归间断设计框架，通过构建基于多观测指标变量的显式测量模型，实现了对局部平均处理效应（ATE）的条件化分析、异质性分解及效应推广，并验证了其在大样本下的有效性。

　　

摘要

当治疗分配的随机化不可行时，回归不连续性（RD）设计常被用来提供因果证据。当感兴趣的变量是通过观察指标测量的潜在结构时，使用观察变量得分的传统RD分析无法让研究人员检验估计的局部平均处理效应（ATE）的异质性，也无法将ATE推广到临界值之外的参与者。我们提出了一种对传统RD分析的新方法论补充，该方法假设有多个指标变量（即原始项目反应）可以测量驱动变量背后的潜在结构。通过基于这些指标变量指定一个明确的测量模型，我们的潜在RD框架能够：1）在潜在结构条件下定义局部ATE；2）分离局部ATE的异质性；3）将局部ATE推广到临界值之外的驱动变量得分。在一个概念验证模拟中，我们展示了所提出的补充方法在实际的测试长度和样本量条件下能够很好地恢复感兴趣的参数。