MerQuR+Başvuru Kitabı

137. Regresyon süreksizliği tasarımı

Şablon kimliği: regresyon_sureksizligi · Kategori: nedensel çıkarım · Dil: R · Dosya: pro/sablonlar/nedensel/regresyon_sureksizligi.R (satır 1–282; üstbilgi 1–153) · Örnek veri: _ornek/rdsenate.csv · Paketler: rdrobust 4.1.1, rddensity 3.0 (R 4.5.3)

137.1 Ne işe yarar

Bazı tedaviler bir atama değişkeninin bir eşiği aşıp aşmamasıyla belirlenir: bir seçimi bir puan farkıyla kazanan parti iktidara gelir, bir sınavdan eşiğin üstünde puan alan öğrenci burs alır. Eşiğin hemen iki yanındaki birimler her bakımdan birbirine çok benzer, tek fark birinin tedaviyi almış olmasıdır; bu yüzden sonucun eşikte sıçraması tedavinin nedensel etkisi olarak okunur (Hahn, Todd ve Van der Klaauw, 2001; Lee ve Lemieux, 2010). Şablon bu sıçramayı eşik çevresinde, ağırlıklı yerel polinom regresyonuyla kestirir:

\tau=\lim_{x\downarrow c}\mathrm{E}[Y\mid X=x]-\lim_{x\uparrow c}\mathrm{E}[Y\mid X=x]
  • X: atama değişkeni; c: eşik; Y: sonuç. Tedavi X\ge c için verilir (eşitlik sağ tarafa girer).
  • \tau: eşikteki yerel etki; eşikten uzak birimler için geçerli değildir (dış geçerlilik sınırlıdır).

Şablon rdrobust paketiyle (Calonico, Cattaneo ve Titiunik, 2014, 2015) şunları verir: geleneksel, yanlılık düzeltmeli ve sağlam yanlılık düzeltmeli kestirim ve güven aralıkları; MSE ya da kapsama hatası (CER) açısından en iyi bant genişlikleri (iki yanda ortak ya da ayrı); bulanık tasarım için tedavi sütunu; eğim kırılması (bükülme) tasarımı; ortak değişkenler ve küme değişkeni; eşikte gözlem yoğunluğunun sürekliliği için Cattaneo-Jansson-Ma testi (rddensity; Cattaneo, Jansson ve Ma, 2020); kutulanmış ortalamaların saçılım grafiği.

Ne zaman kullanılır? Tedavi bir atama değişkeninin eşiğiyle (keskin) ya da eşik tedavi olasılığını sıçratacak biçimde (bulanık) belirleniyorsa; atama değişkeni eşik çevresinde yeterince sürekli ve yeterince gözlem varsa; birimlerin atama değerini eşik civarında kendi istekleriyle ayarlayamadığı savunulabiliyorsa.

Ne zaman kullanılmaz?

  • Atama eşiğe değil birimin seçimine bağlıysa ya da atama değişkenini birimler eşik yakınında işleyebiliyorsa (manipülasyon; yoğunluk testi bunu sınar, 137.7).
  • Atama değişkeni çok az farklı değer alan (kesikli) bir değişkense: en az 5 farklı değer koşulu (173–174) sağlansa bile kütle noktaları tasarımı tanımsız bırakabilir (Kolesár ve Rothe, 2018).
  • Tedavi etkisi eşik dışı birimler için istenirse ya da etki bir araç değişkenle kestirilecekse: Bölüm 140 zayif_arac_saglam (Python eşi 141).
  • Atama değişkeni zamansa (kesintili zaman serisi) ya da birimler farklı zamanlarda tedavi alıyorsa: zaman serisi kırılma şablonları (joinpoint_its, yapisal_kirilma) ve panel tasarımlar için Bölüm 133 kademeli_did, Bölüm 136 panel_esbutunlesme.
  • Eşiğin iki yanında birimlerin sayısı çok azsa (en az 10 gözlem koşulu, 162).

Temel programla ilişki. Temel programda regresyon süreksizliği tasarımı, bant genişliği seçimi, sağlam yanlılık düzeltmeli çıkarım ve yoğunluk testi yoktur.

137.2 Şablonun girdileri

Form, üstbilgideki 20 [[param]] bloğundan kurulur (regresyon_sureksizligi.R:10–152). Türlerin anlamı ve formun ortak denetimi Bölüm 1.2'dedir.

Alan (form etiketi) · ad Tür · sekme Varsayılan Geçerli değerler Kodda etkisi
Sonuç değişkeni · y sayısal sütun · Değişkenler ilk sayısal sütun sayısal Y (10–14, 169)
Atama değişkeni · x sayısal sütun · Değişkenler ilk sayısal sütun sayısal X (15–19, 169)
Eşik değeri · esik ondalık · Model 0 \pm10^{9} c (20–27, 169–170)
Yerel polinom derecesi · p seçim · Model 1 1, 2 p (28–34, 202)
Çekirdek · cekirdek seçim · Model triangular triangular, epanechnikov, uniform K (35–41, 219)
Bant genişliği seçimi · bant seçim · Model mserd mserd, msetwo, cerrd, certwo, msesum, cersum, msecomb1, msecomb2, cercomb1, cercomb2 Bant seçici (42–48, 219)
Tedavi değişkeni · tedavi sütun · Değişkenler boş (keskin) isteğe bağlı Bulanık tasarım (49–54, 161, 175–198)
Tedavi sayılan düzey · tedavi_duzeyi metin · Değişkenler boş (sayısalda büyük, metinde alfabetik son düzey) tedavi sütunundaki iki düzeyden biri Hangi düzeyin tedavi sayılacağı (55–61, 180, 189–193)
Ortak değişkenler · ortak sütunlar (sayısal) · Değişkenler yok isteğe bağlı Kesinlik artırımı (62–68, 164, 199–200)
Küme değişkeni · kume sütun · Değişkenler boş isteğe bağlı Kümeli SH (69–74, 162, 201)
Eşikte yoğunluk testi · yogunluk onay · Seçenekler açık açık/kapalı rddensity (75–80, 251)
Yanlılık düzeltmesi derecesi q · q tamsayı · Gelişmiş 0 (=p+1) 0–4 q (81–89, 205)
Kestirilen büyüklük · turev seçim · Model 0 0 (sıçrama), 1 (eğim kırılması) deriv (90–96, 206)
Elle bant genişliği h · h ondalık · Gelişmiş 0 (veriden) 0–10^{9} h (97–104, 207–208)
Elle yanlılık bant genişliği b · b ondalık · Gelişmiş 0 (veriden ya da h) 0–10^{9} b (105–113, 207–208)
Varyans kestiricisi · vce seçim · Seçenekler nn nn, hc0, hc1, hc2, hc3 SH türü (114–121, 209)
En yakın komşu sayısı · nnmatch tamsayı · Gelişmiş 3 1–50 J (122–129, 210)
Güven düzeyi · guven ondalık · Seçenekler 0,95 0,5–0,999 GA (130–137, 211, 231–232)
Kütle noktaları · kutle_noktalari seçim · Gelişmiş adjust adjust, check, off masspoints (138–144, 212)
RD grafiği polinom derecesi · grafik_derece tamsayı · Çıktı 4 0–8 Grafik (145–152, 213, 272)

Şablonun kendi denetimleri (mq_hata; ayrıca ortak biçimsel denetim, Bölüm 1.2):

Koşul İleti (özet) Satır
rdrobust ya da rddensity kurulu değil "'…' paketi gerekli: install.packages(…)" 155–156
Veri açık değil "Önce Veri sekmesinde bir veri açın." 159
Sonuç ve atama aynı sütun "Sonuç ve atama değişkeni farklı olmalı." 163
Eşiğin bir yanında <10 gözlem "Eşiğin her iki yanında en az 10 gözlem gerekli." 170–171
Sonuç sabit "Sonuç değişkeni sabit." 172
Bir yanda <5 farklı atama değeri "Atama değişkeninin her iki yanda en az 5 farklı değeri olmalı." 173–174
Tedavi sabit "Tedavi değişkeni sabit." 182
Tedavi iki düzeyli değil (ve çok değerli sayısal da değil) "Tedavi değişkeninin tam iki düzeyi olmalı (ya da çok değerli sayısal olmalı)." 186
tedavi_duzeyi alanındaki düzey tedavi sütununda yok "'Tedavi sayılan düzey' alanındaki '…' düzeyi tedavi sütununda yok; düzeyler: …" 189–190
Ortak değişken sabit "'…' sabit; ortak değişkenlerden çıkarın." 199
0<q<p "Yanlılık düzeltmesi derecesi q, p'den küçük olamaz." 205
b>0 ve h=0 "Yanlılık bant genişliği b yalnız h ile birlikte verilebilir." 208
rdrobust hata verirse "Kestirim yapılamadı: …" (paketin iletisi) 216–218

Hata vermeyen ama sonucu belirleyen ayrıntılar. Tahmin örneklemi Y, X, tedavi, ortak değişkenler ve küme sütunlarında tam olan satırlardır (complete.cases, 168); eksik değerli satırlar atılır ve çıktı kaç satırın hangi sütundaki eksik değer yüzünden atıldığını söyler (166–167, 223–225); konsoldaki n atıldıktan sonraki sayıdır. Yoğunluk testi ise yalnız atama değişkenini kullanır: sonucu ya da ortak değişkenleri eksik satırlar da dâhildir (253–260; tablo başlığı örneklemi yazar; 137.8). X=c olan gözlemler sağ tarafa girer (170, 219). Bulanık tasarımda iki düzeyli tedavi sütununda hangi düzeyin tedavi sayıldığı sütun türüne ve Veri sekmesi sırasına bağlı değildir: düzeyler sayıya benziyorsa büyük olan, değilse alfabetik son düzey tedavi sayılır (ya da tedavi_duzeyi alanındaki düzey); çıktı seçilen düzeyi ve kuralı yazar (175–198, 226; 137.8). Ortak değişkenler sayısal roldür ve Veri sekmesindeki türden bağımsız olarak sayı aktarılır (Bölüm 1.3). Küme değişkeni verilirse kümeli varyans kullanılır ve nn ile hc1 aynı sonucu verir (137.8).

Örnek ayar (ornek_param, 9. satır): y = vote, x = margin, esik = 0, p = 1, cekirdek = triangular, bant = mserd, tedavi = "", ortak = [], kume = "", yogunluk = açık. Öteki alanlar varsayılandır.

137.3 Örnek veri

rdsenate.csv, rdrobust paketinin ABD Senatosu verisidir (Cattaneo, Frandsen ve Titiunik, 2015; Cattaneo, Idrobo ve Titiunik, 2020): 1914–2010 arası 50 eyaletin Senato seçimleri, 1390 gözlem, 8 sütun. margin: Demokrat partinin eyalet çapındaki bir seçimdeki oy farkı (yüzde puan; -100 ile 100 arası; 38 gözlemde 100, 2 gözlemde -100); vote: aynı koltuğun sonraki seçiminde Demokrat oy payı (yüzde; ortalama 52,67, sd 18,12). Soru: bir seçimi kazanmak, partinin altı yıl sonraki oy payını (iktidar avantajını) ne kadar artırır?

Değişken Rol Tür (veri sekmesi) Özet
vote sonuç sayısal 1297 dolu, 93 eksik; ortalama 52,67
margin atama sayısal ortalama 7,17; sd 34,33; -100–100; eşik 0
state küme (örnekte kullanılmaz) kategorik 50 eyalet
termshouse, population ortak değişken (ek çalıştırmalar) sayısal termshouse 282 eksik
year, class, termssenate kullanılmaz sayısal

Tam gözlem: 1297 (595 sol, 702 sağ). Eşik 0'ın iki yanında da yüzlerce gözlem vardır; X=\pm100 yığılmaları kütle noktalarıdır (137.8).

Bu bölümde kullanılan çalıştırmalar (adı rd_…, çıktılar dogrulama/cikti/): rd_ornek; rd_p2; rd_epan; rd_unif; bant seçicileri rd_bant_msetwo, rd_bant_cerrd, rd_bant_certwo, rd_bant_msesum, rd_bant_cersum, rd_bant_msecomb1, rd_bant_msecomb2, rd_bant_cercomb1, rd_bant_cercomb2; rd_q3, rd_q_kucuk; eğim kırılması rd_kink, rd_kink_p2; elle bant rd_h15, rd_h15b25, rd_b_tek; varyans rd_vce_hc0…rd_vce_hc3, rd_nn5; rd_g90; kütle noktaları rd_kutle_check, rd_kutle_off, rd_yigilma, rd_yigilma_check, rd_yigilma_off; ortak değişken ve küme rd_ortak1, rd_ortak2, rd_kume, rd_kume_hc1, rd_kume_hc3, rd_tek_kume; bulanık rd_bulanik, rd_bulanik_metin, rd_bulanik_tk, rd_bulanik_12, rd_bulanik_kat, rd_bulanik_12_kat, rd_bulanik_kume; rd_yogunluk_kapali, rd_grafik2, rd_esik5, rd_esik_dis, rd_eksik, rd_eksik_ortak, rd_manip, rd_manip2, rd_sifir_esit, rd_virgul, rd_sabit, rd_esdog, rd_tek_yan, rd_az_sag, rd_x_kat, rd_y_kat; bilinen sıçramalı sentetik veriler rd_sent, rd_sent_ortak, rd_sent_kink. Türetilmiş veriler dogrulama/regresyon_sureksizligi/veri_uret.py ile üretilmiştir.

137.4 Yöntem: formüller ve hesap adımları

Hesap sırası: veri ve tahmin örneklemi hazırlanır (159–201); ayarlar rdrobust argümanlarına çevrilir (202–213); rdrobust çağrılır, uyarılar toplanır (215–219); konsol satırı ve iki tablo yazılır (220–236); yoğunluk testi yapılıp yazılır (251–262); uyarılar yazılır (263–270); kutulanmış saçılım grafiği çizilir (272–281).

137.4.1 Eşik çevresinde yerel polinom regresyonu

Eşiğin her yanında ayrı ayrı, r_i=X_i-c için ağırlıklı EKK uydurulur (h bant genişliği, K çekirdek):

\hat{\boldsymbol\beta}_{\pm}(h)=\arg\min_{\boldsymbol\beta}\sum_{i:\ \pm r_i\in[0,h]}K\!\left(\frac{r_i}{h}\right)\Bigl(Y_i-\sum_{j=0}^{p}\beta_jr_i^{\,j}\Bigr)^2,\qquad \hat\tau=\hat\beta_{+,0}-\hat\beta_{-,0}

Çekirdekler K(u)=(1-|u|) (üçgen), \tfrac34(1-u^2) (Epanechnikov), \tfrac12 (tekdüze), hepsi |u|\le1 içinde (kernel, 188; ağırlıklara 1/h ölçeği de girer). Sol taraf c-h\le X<c, sağ taraf c\le X\le c+h'dir.

  • \hat\beta_{\pm,0}: eşikte sağ ve sol yerel polinomun değeri; \hat\tau bunların farkı.
  • p: yerel polinom derecesi (1: doğrusal, 2: karesel). Yüksek dereceli küresel polinomdan kaçınılır; yerel doğrusal uyum önerilir (Gelman ve Imbens, 2019).
  • h: bant genişliği; h içinde kalan gözlemler etkin örneklemdir (örnekte 360 ve 323).

Neden üçgen çekirdek

Üçgen çekirdek eşikte en çok, bant kenarında sıfır ağırlık verir; bu, eşikteki sınır noktası kestirimi için (kenar etkisini en aza indiren) sınırlandırılmış en iyi çekirdektir (Cheng, Fan ve Marron, 1997). Varsayılan budur ve yayımlanmış doğrulama değeri bununla alınmıştır.

137.4.2 Bant genişliği seçimi

bant seçeneği (h ve b için) bant genişliklerini veriden hesaplar (rdbwselect mantığı; Calonico, Cattaneo ve Farrell, 2020; Imbens ve Kalyanaraman, 2012). MSE en iyi bant (\hat\tau'nın ortalama kare hatasını en küçükler) mserd (iki yanda ortak), msetwo (iki yanda ayrı), msesum (iki yanın toplamı için ortak), msecomb1 (\min(mserd, msesum)), msecomb2 (üçünün ortancası). Kapsama hatası (CER) en iyi bant, güven aralığının kapsama hatasını en küçükler ve daha dardır (cerrd, certwo, cersum, cercomb1, cercomb2). Bant yanlılık düzeltmesi için ayrıca b (kestirimde (p+1). terim için) seçilir. h elle verilirse ve b verilmezse b=h olur (207–208).

Koddaki tercih

h verilmemişse paketin seçtiği bant kullanılır; h verilirse yalnız ek$h ve (verilmişse) ek$b aktarılır, bant seçeneği yok sayılır (207–208). b tek başına verilirse çalıştırma durur (208). Çekirdek, p, q ve deriv bant seçimini de etkiler: örnekte p=1,\ q=3 iken h=11{,}417 (q=2 iken 17{,}754).

137.4.3 Yanlılık düzeltmesi ve sağlam güven aralığı

MSE en iyi h'de \hat\tau'nın yaklaşım yanlılığı örnekleme hatasıyla aynı büyüklüktedir; geleneksel GA bu yüzden yanlış merkezlenir. Yanlılık, b bant genişliğinde q=p+1 dereceli yerel polinomun (p+1). katsayısıyla kestirilir ve çıkarılır:

\hat\tau_{\mathrm{bc}}=\hat\tau-\bigl(\hat B_+-\hat B_-\bigr),\qquad \hat B_{\pm}=\Bigl[\mathbf e_0^{\top}(\mathbf X_h^{\top}\mathbf W_h\mathbf X_h)^{-1}\mathbf X_h^{\top}\mathbf W_h\,\mathbf r^{\,p+1}\Bigr]\hat\beta_{\pm,p+1}(b)

Sağlam SH, bu düzeltmenin ek değişkenliğini de içerir ve \hat\tau_{\mathrm{bc}}\pm z_{1-\alpha/2}\,\mathrm{SH}_{\mathrm{rb}} sağlam GA'dır (Calonico, Cattaneo ve Titiunik, 2014). Varsayılan nn varyansı her gözlem için en yakın J (varsayılan 3) komşunun ortalamasından kalıntı kestirir:

\hat\sigma_i^2=\frac{J}{J+1}\bigl(Y_i-\bar Y_{\ell_J(i)}\bigr)^2,\qquad \widehat{\mathrm{Var}}(\hat\tau)=\sum_i c_i^2\hat\sigma_i^2
  • \mathbf e_0: ilk birim vektör (kesişim katsayısını seçer); c_i: \hat\tau'nın Y_i üzerindeki doğrusal ağırlığı.
  • \bar Y_{\ell_J(i)}: X'e göre en yakın J komşunun (aynı tarafta, kendisi dışında) sonuç ortalaması.
  • Üç satırlık tablo: geleneksel (\hat\tau, geleneksel SH), yanlılık düzeltmeli (\hat\tau_{\mathrm{bc}}, geleneksel SH) ve sağlam (\hat\tau_{\mathrm{bc}}, sağlam SH).

Yanlılık düzeltmeli satırın SH'si geleneksel SH'dir

Tablonun ikinci satırı yalnız noktayı kaydırır ve sağlam olmayan SH'yi taşır. Çıkarım için üçüncü satırdaki sağlam GA kullanılır; ikinci satırın z ve p değerlerini raporlamayın.

Neden sağlam GA

Yanlılık düzeltilirken \hat B de örnekten kestirildiği için \hat\tau_{\mathrm{bc}}'nın varyansı geleneksel formülden büyüktür. Sağlam SH bu ek varyansı katar ve yanlılık düzeltmesinin GA'yı fazla dar yapmasını önler (örnekte SH 1{,}459\to1{,}741).

137.4.4 Bulanık tasarım, eğim kırılması ve ortak değişkenler

Bulanık tasarım. Tedavi sütunu verilirse eşik tedaviyi tam belirlemez, yalnız tedavi olasılığını sıçratır. Etki, sonuç sıçramasının tedavi sıçramasına oranıdır (eşik uyumlularına yerel etki):

\tau_{\mathrm{F}}=\frac{\tau_Y}{\tau_T}=\frac{\lim_{x\downarrow c}\mathrm{E}[Y\mid X=x]-\lim_{x\uparrow c}\mathrm{E}[Y\mid X=x]}{\lim_{x\downarrow c}\mathrm{E}[T\mid X=x]-\lim_{x\uparrow c}\mathrm{E}[T\mid X=x]}

Tedavi sütunu 0/1 değil iki değerli herhangi bir kodlamayla verilebilir; iki düzeyli tedavi 0/1'e çevrilir: sayıya benzeyen düzeylerde büyük, değilse (R'de sort(method = "radix") ile) alfabetik son düzey 1 sayılır; tedavi_duzeyi alanı bunu değiştirir ve çıktı tedavi sayılan düzeyi yazar (175–198). İkiden çok değerli sayısal tedavi (doz) olduğu gibi kullanılır. Bulanık tasarımda tedavi sıçraması ayrı bir tabloda da yazılır (237–250). Eğim kırılması (turev = 1): \tau=\mu'_+(c)-\mu'_-(c), eşikte eğimin değişimi (Card ve ark., 2015); p\ge1 gerekir ve p=2 önerilir. Ortak değişkenler rdrobust'ın covs argümanıyla eklenir ve yalnız kesinliği artırır (Calonico ve ark., 2019).

137.5 Kod adım adım

Satırlar Ne yapar Neden / dikkat
1–153 Üstbilgi: 20 parametre, örnek veri, örnek ayar.
154–157 Paket denetimi (rdrobust, rddensity); rdrobust yüklenir. Eksik paket iletisi (155–156).
159–168 Veri, tedavi ve küme adları (boş → NULL), ortak değişkenler, tam gözlem. complete.cases tahmin örneklemini belirler (168).
169–174 Y,X,c; iki yandaki sayılar; ölçüt denetimleri. X\ge c sağ (170).
175–201 Bulanık tedavi, ortak değişken matrisi, küme tanımlayıcısı. Tedavi düzeyi: sayısalda büyük, metinde alfabetik son düzey ya da tedavi_duzeyi (176–198).
202–213 p, q, deriv, h, b, vce, nnmatch, level, masspoints, grafik_derece. Yalnız varsayılandan farklı ayarlar rdrobust'a geçirilir (205–212).
215–219 calis: uyarıları toplar, hatayı çevirir; do.call(rdrobust, …). Uyarılar paketin (İngilizce) iletisidir.
220–236 Konsol satırı, eksik satır ve tedavi düzeyi notları, eğim kırılması uyarısı; RD etkisi tablosu; bant genişlikleri tablosu. Tablo başlığındaki "95%" güven düzeyine göre değişir (231–232).
237–250 Bulanık tasarımda ilk aşama tablosu (tedavi sıçraması). Aynı h, b ile (241); sıçrama negatifse ya da sağlam GA 0'ı kapsıyorsa uyarı (246–247).
251–262 Yoğunluk testi: rddensity(X, c); tablo. Tüm satırlardaki X (253).
263–270 Uyarılar (bilinen rdrobust iletileri Türkçe arayüzde çevrilir).
272–281 rdplot(hide = TRUE); kutulanmış ortalamalar ve polinom uyumu. Şekil 137.1.

Süre: örnek ayarda çalıştırma 5,3 s.

137.6 Elle hesap: örnek veride bağımsız yeniden hesap

Ara değerler dogrulama/regresyon_sureksizligi/elle_hesap.py ve adimlar.py (yalnız numpy; rdrobust, rddensity ve şablon kullanılmaz) ve r_dogrulama.R (rdrobust, rdbwselect, rddensity doğrudan; geleneksel kestirim ayrıca lm(weights = …) ile) çıktısından alınmıştır. Python hesabı h ve b'yi şablonun çıktısından alır; bant seçiminin kendisi R'de rdbwselect ve yayımlanmış değerle sınanır.

Adım 1 — Örneklem. 1390 satır; vote eksik 93; tam gözlem 1297 (595 sol, 702 sağ).

Adım 2 — Bant genişlikleri. Şablon: h=17{,}7543982, b=28{,}0280886 (iki yanda aynı); rdbwselect(bwselect="mserd") aynı değerleri verir. Yayımlanmış değerler (Cattaneo, Idrobo ve Titiunik, 2020): h=17{,}754, b=28{,}028.

Adım 3 — Yerel doğrusal uyum (geleneksel). h içinde 360 sol, 323 sağ gözlem (üçgen ağırlıklı EKK): \hat\mu_-=45{,}173126 (eğim 0{,}163912), \hat\mu_+=52{,}587257 (eğim 0{,}260949); \hat\tau=52{,}587257-45{,}173126=7{,}414131.

Adım 4 — Geleneksel SH. En yakın 3 komşu kalıntılarıyla varyans katkıları 1{,}260926 (sol) ve 0{,}866927 (sağ); \mathrm{SH}=\sqrt{2{,}127852}=1{,}458716.

Adım 5 — Yanlılık düzeltmesi. b içinde (465 sol, 437 sağ gözlem) q=2 dereceli uyumun karesel katsayıları \hat\beta_{-,2}=-0{,}010049, \hat\beta_{+,2}=-0{,}007387; h ağırlıklarının r^2 üzerindeki toplamı -29{,}2916 (sol) ve -27{,}3441 (sağ): yanlılık \hat B_-=0{,}294360, \hat B_+=0{,}201988; \hat\mu_{-,\mathrm{bc}}=44{,}878766, \hat\mu_{+,\mathrm{bc}}=52{,}385269; \hat\tau_{\mathrm{bc}}=7{,}506502.

Adım 6 — Sağlam SH ve GA. Düzeltilmiş kestiricinin doğrusal ağırlıklarıyla \mathrm{SH}_{\mathrm{rb}}=1{,}741258; z=7{,}506502/1{,}741258=4{,}31096; GA 7{,}506502\pm1{,}959964\times1{,}741258=[4{,}09370;\ 10{,}91931] (şablon: [4{,}09369866;\ 10{,}91930607]).

Adım 7 — Yayımlanmış değerle karşılaştırma. Nokta kestirimi 7{,}414, SH 1{,}459, sağlam GA [4{,}094;\ 10{,}919], etkin n=360/323: şablonla aynı.

Adım 8 — Başka bir uygulama. R'de rdrobust doğrudan çağrılınca ve geleneksel kestirim lm(y ~ r, weights = çekirdek ağırlığı) ile iki yanda ayrı uydurulup farkı alınınca aynı sayılar çıkar. Aynı bağımsız hesap yirmi beş ayarda (derece, çekirdek, on bant seçici, q=3, eğim kırılması, elle bant, nn komşu sayısı, eşik 5, eksik değerli veri, bilinen sıçramalı sentetik veri) yinelenmiştir; bulanık tasarımda kestirim iki sıçramanın oranıdır.

137.6.1 Doğrulama: MerQuR+, Python ve R

Büyüklük MerQuR+ Python (bağımsız) R (bağımsız) En büyük fark
örnek ayar (p=1, üçgen, mserd): geleneksel \hat\tau 7,41413075 7,41413075 7,41413075 2,3e−14 ✓
örnek ayar (p=1, üçgen, mserd): yanlılık düzeltmeli \hat\tau 7,50650236 7,50650236 7,50650236 7,2e−15 ✓
örnek ayar (p=1, üçgen, mserd): geleneksel SH 1,45871599 1,45871599 1,45871599 2,7e−15 ✓
örnek ayar (p=1, üçgen, mserd): sağlam SH 1,74125838 1,74125838 1,74125838 6,8e−15 ✓
örnek ayar (p=1, üçgen, mserd): sağlam GA alt 4,09369866 4,09369866 4,09369866 1,6e−14 ✓
örnek ayar (p=1, üçgen, mserd): sağlam GA üst 10,91930607 10,91930607 10,91930607 5,9e−15 ✓
örnek ayar (p=1, üçgen, mserd): h sol 17,75439819 — 17,75439819 0 ✓
örnek ayar (p=1, üçgen, mserd): h sağ 17,75439819 — 17,75439819 0 ✓
örnek ayar (p=1, üçgen, mserd): b sol 28,02808859 — 28,02808859 0 ✓
örnek ayar (p=1, üçgen, mserd): b sağ 28,02808859 — 28,02808859 0 ✓
örnek ayar (p=1, üçgen, mserd): etkin n sol 360 360 360 0 ✓
örnek ayar (p=1, üçgen, mserd): etkin n sağ 323 323 323 0 ✓
p=2: geleneksel \hat\tau 8,04507947 8,04507947 8,04507947 8,8e−15 ✓
p=2: yanlılık düzeltmeli \hat\tau 8,31658913 8,31658913 8,31658913 8,6e−14 ✓
p=2: geleneksel SH 1,88770463 1,88770463 1,88770463 1,2e−14 ✓
p=2: sağlam SH 2,09302918 2,09302918 2,09302918 1,1e−13 ✓
p=2: h sol 22,25628045 — 22,25628045 0 ✓
p=2: h sağ 22,25628045 — 22,25628045 0 ✓
p=2: b sol 33,28414184 — 33,28414184 0 ✓
p=2: b sağ 33,28414184 — 33,28414184 0 ✓
p=2: etkin n sol 409 409 409 0 ✓
p=2: etkin n sağ 370 370 370 0 ✓
Epanechnikov çekirdeği: geleneksel \hat\tau 7,23883271 7,23883271 7,23883271 1,9e−14 ✓
Epanechnikov çekirdeği: yanlılık düzeltmeli \hat\tau 7,30035777 7,30035777 7,30035777 3,6e−14 ✓
Epanechnikov çekirdeği: geleneksel SH 1,48688303 1,48688303 1,48688303 4,5e−16 ✓
Epanechnikov çekirdeği: sağlam SH 1,76818412 1,76818412 1,76818412 8,0e−15 ✓
Epanechnikov çekirdeği: h sol 16,1043862 — 16,1043862 0 ✓
Epanechnikov çekirdeği: h sağ 16,1043862 — 16,1043862 0 ✓
Epanechnikov çekirdeği: b sol 26,71089515 — 26,71089515 0 ✓
Epanechnikov çekirdeği: b sağ 26,71089515 — 26,71089515 0 ✓
Epanechnikov çekirdeği: etkin n sol 335 335 335 0 ✓
Epanechnikov çekirdeği: etkin n sağ 298 298 298 0 ✓
tekdüze çekirdek: geleneksel \hat\tau 7,20247498 7,20247498 7,20247498 2,7e−15 ✓
tekdüze çekirdek: yanlılık düzeltmeli \hat\tau 7,5934729 7,5934729 7,5934729 2,2e−15 ✓
tekdüze çekirdek: geleneksel SH 1,61289146 1,61289146 1,61289146 4,0e−15 ✓
tekdüze çekirdek: sağlam SH 1,85210831 1,85210831 1,85210831 1,0e−14 ✓
tekdüze çekirdek: h sol 11,5968673 — 11,5968673 0 ✓
tekdüze çekirdek: h sağ 11,5968673 — 11,5968673 0 ✓
tekdüze çekirdek: b sol 22,9441839 — 22,9441839 0 ✓
tekdüze çekirdek: b sağ 22,9441839 — 22,9441839 0 ✓
tekdüze çekirdek: etkin n sol 271 271 271 0 ✓
tekdüze çekirdek: etkin n sağ 235 235 235 0 ✓
msetwo: geleneksel \hat\tau 7,45360698 7,45360698 7,45360698 2,4e−14 ✓
msetwo: yanlılık düzeltmeli \hat\tau 7,53352612 7,53352612 7,53352612 4,9e−14 ✓
msetwo: geleneksel SH 1,49715233 1,49715233 1,49715233 3,0e−16 ✓
msetwo: sağlam SH 1,75948323 1,75948323 1,75948323 6,2e−15 ✓
msetwo: h sol 16,16981983 — 16,16981983 0 ✓
msetwo: h sağ 18,1264687 — 18,1264687 0 ✓
msetwo: b sol 27,10388967 — 27,10388967 0 ✓
msetwo: b sağ 29,34356218 — 29,34356218 0 ✓
msetwo: etkin n sol 336 336 336 0 ✓
msetwo: etkin n sağ 326 326 326 0 ✓
cerrd: geleneksel \hat\tau 7,63156183 7,63156183 7,63156183 4,5e−15 ✓
cerrd: yanlılık düzeltmeli \hat\tau 7,68169416 7,68169416 7,68169416 2,8e−14 ✓
cerrd: geleneksel SH 1,68006105 1,68006105 1,68006105 3,2e−15 ✓
cerrd: sağlam SH 1,84058194 1,84058194 1,84058194 5,4e−15 ✓
cerrd: h sol 12,40677645 — 12,40677645 0 ✓
cerrd: h sağ 12,40677645 — 12,40677645 0 ✓
cerrd: b sol 28,02808859 — 28,02808859 0 ✓
cerrd: b sağ 28,02808859 — 28,02808859 0 ✓
cerrd: etkin n sol 284 284 284 0 ✓
cerrd: etkin n sağ 248 248 248 0 ✓
certwo: geleneksel \hat\tau 8,01753803 8,01753803 8,01753803 3,0e−14 ✓
certwo: yanlılık düzeltmeli \hat\tau 8,06653324 8,06653324 8,06653324 6,6e−15 ✓
certwo: geleneksel SH 1,71883871 1,71883871 1,71883871 6,5e−16 ✓
certwo: sağlam SH 1,86830751 1,86830751 1,86830751 2,3e−15 ✓
certwo: h sol 11,29947283 — 11,29947283 0 ✓
certwo: h sağ 12,66677939 — 12,66677939 0 ✓
certwo: b sol 27,10388967 — 27,10388967 0 ✓
certwo: b sağ 29,34356218 — 29,34356218 0 ✓
certwo: etkin n sol 266 266 266 0 ✓
certwo: etkin n sağ 252 252 252 0 ✓
msesum: geleneksel \hat\tau 7,37989603 7,37989603 7,37989603 3,0e−14 ✓
msesum: yanlılık düzeltmeli \hat\tau 7,42044378 7,42044378 7,42044378 4,2e−14 ✓
msesum: geleneksel SH 1,43684313 1,43684313 1,43684313 2,0e−15 ✓
msesum: sağlam SH 1,68548771 1,68548771 1,68548771 1,6e−14 ✓
msesum: h sol 18,36545642 — 18,36545642 0 ✓
msesum: h sağ 18,36545642 — 18,36545642 0 ✓
msesum: b sol 31,31851891 — 31,31851891 0 ✓
msesum: b sağ 31,31851891 — 31,31851891 0 ✓
msesum: etkin n sol 374 374 374 0 ✓
msesum: etkin n sağ 330 330 330 0 ✓
cersum: geleneksel \hat\tau 7,57780191 7,57780191 7,57780191 4,0e−14 ✓
cersum: yanlılık düzeltmeli \hat\tau 7,598899 7,598899 7,598899 5,3e−14 ✓
cersum: geleneksel SH 1,65840209 1,65840209 1,65840209 3,2e−15 ✓
cersum: sağlam SH 1,79320328 1,79320328 1,79320328 2,7e−15 ✓
cersum: h sol 12,83378405 — 12,83378405 0 ✓
cersum: h sağ 12,83378405 — 12,83378405 0 ✓
cersum: b sol 31,31851891 — 31,31851891 0 ✓
cersum: b sağ 31,31851891 — 31,31851891 0 ✓
cersum: etkin n sol 290 290 290 0 ✓
cersum: etkin n sağ 255 255 255 0 ✓
msecomb2: geleneksel \hat\tau 7,41623323 7,41623323 7,41623323 2,3e−14 ✓
msecomb2: yanlılık düzeltmeli \hat\tau 7,50913158 7,50913158 7,50913158 9,2e−14 ✓
msecomb2: geleneksel SH 1,45496053 1,45496053 1,45496053 4,9e−15 ✓
msecomb2: sağlam SH 1,73379949 1,73379949 1,73379949 1,2e−15 ✓
msecomb2: h sol 17,75439819 — 17,75439819 0 ✓
msecomb2: h sağ 18,1264687 — 18,1264687 0 ✓
msecomb2: b sol 28,02808859 — 28,02808859 0 ✓
msecomb2: b sağ 29,34356218 — 29,34356218 0 ✓
msecomb2: etkin n sol 360 360 360 0 ✓
msecomb2: etkin n sağ 326 326 326 0 ✓
cercomb2: geleneksel \hat\tau 7,6738307 7,6738307 7,6738307 2,3e−14 ✓
cercomb2: yanlılık düzeltmeli \hat\tau 7,7244126 7,7244126 7,7244126 4,0e−14 ✓
cercomb2: geleneksel SH 1,6757531 1,6757531 1,6757531 6,0e−15 ✓
cercomb2: sağlam SH 1,83308204 1,83308204 1,83308204 4,4e−15 ✓
cercomb2: h sol 12,40677645 — 12,40677645 0 ✓
cercomb2: h sağ 12,66677939 — 12,66677939 0 ✓
cercomb2: b sol 28,02808859 — 28,02808859 0 ✓
cercomb2: b sağ 29,34356218 — 29,34356218 0 ✓
cercomb2: etkin n sol 284 284 284 0 ✓
cercomb2: etkin n sağ 252 252 252 0 ✓
q=3: geleneksel \hat\tau 7,77085812 7,77085812 7,77085812 3,4e−15 ✓
q=3: yanlılık düzeltmeli \hat\tau 7,81589164 7,81589164 7,81589164 8,2e−14 ✓
q=3: geleneksel SH 1,73766125 1,73766125 1,73766125 2,8e−15 ✓
q=3: sağlam SH 2,14221632 2,14221632 2,14221632 1,0e−13 ✓
q=3: h sol 11,41729681 — 11,41729681 0 ✓
q=3: h sağ 11,41729681 — 11,41729681 0 ✓
q=3: b sol 36,65286417 — 36,65286417 0 ✓
q=3: b sağ 36,65286417 — 36,65286417 0 ✓
q=3: etkin n sol 266 266 266 0 ✓
q=3: etkin n sağ 231 231 231 0 ✓
eğim kırılması (p=1): geleneksel \hat\tau 0,27492018 0,27492018 0,27492018 1,8e−14 ✓
eğim kırılması (p=1): yanlılık düzeltmeli \hat\tau 0,46012027 0,46012027 0,46012027 1,5e−13 ✓
eğim kırılması (p=1): geleneksel SH 0,24537275 0,24537275 0,24537275 2,2e−16 ✓
eğim kırılması (p=1): sağlam SH 0,38591715 0,38591715 0,38591715 3,6e−15 ✓
eğim kırılması (p=1): h sol 13,69350886 — 13,69350886 0 ✓
eğim kırılması (p=1): h sağ 13,69350886 — 13,69350886 0 ✓
eğim kırılması (p=1): b sol 28,02808859 — 28,02808859 0 ✓
eğim kırılması (p=1): b sağ 28,02808859 — 28,02808859 0 ✓
eğim kırılması (p=1): etkin n sol 304 304 304 0 ✓
eğim kırılması (p=1): etkin n sağ 265 265 265 0 ✓
eğim kırılması (p=2): geleneksel \hat\tau 0,70747633 0,70747633 0,70747633 1,3e−13 ✓
eğim kırılması (p=2): yanlılık düzeltmeli \hat\tau 1,00373127 1,00373127 1,00373127 2,9e−13 ✓
eğim kırılması (p=2): geleneksel SH 0,53499985 0,53499985 0,53499985 1,4e−14 ✓
eğim kırılması (p=2): sağlam SH 0,70905606 0,70905606 0,70905606 1,2e−13 ✓
eğim kırılması (p=2): sağlam GA alt −0,38599308 −0,38599308 −0,38599308 6,1e−14 ✓
eğim kırılması (p=2): sağlam GA üst 2,39345562 2,39345562 2,39345562 2,2e−13 ✓
eğim kırılması (p=2): h sol 19,84174919 — 19,84174919 0 ✓
eğim kırılması (p=2): h sağ 19,84174919 — 19,84174919 0 ✓
eğim kırılması (p=2): b sol 33,28414184 — 33,28414184 0 ✓
eğim kırılması (p=2): b sağ 33,28414184 — 33,28414184 0 ✓
eğim kırılması (p=2): etkin n sol 389 389 389 0 ✓
eğim kırılması (p=2): etkin n sağ 346 346 346 0 ✓
h=15 (b=h): geleneksel \hat\tau 7,48728586 7,48728586 7,48728586 4,3e−15 ✓
h=15 (b=h): yanlılık düzeltmeli \hat\tau 9,08562818 9,08562818 9,08562818 1,6e−14 ✓
h=15 (b=h): geleneksel SH 1,55973179 1,55973179 1,55973179 5,7e−16 ✓
h=15 (b=h): sağlam SH 2,24067206 2,24067206 2,24067206 5,7e−15 ✓
h=15 (b=h): h sol 15 — 15 0 ✓
h=15 (b=h): h sağ 15 — 15 0 ✓
h=15 (b=h): b sol 15 — 15 0 ✓
h=15 (b=h): b sağ 15 — 15 0 ✓
h=15 (b=h): etkin n sol 319 319 319 0 ✓
h=15 (b=h): etkin n sağ 288 288 288 0 ✓
h=15,\ b=25: geleneksel \hat\tau 7,48728586 7,48728586 7,48728586 4,3e−15 ✓
h=15,\ b=25: yanlılık düzeltmeli \hat\tau 7,78385587 7,78385587 7,78385587 2,6e−14 ✓
h=15,\ b=25: geleneksel SH 1,55973153 1,55973153 1,55973153 1,3e−15 ✓
h=15,\ b=25: sağlam SH 1,82748331 1,82748331 1,82748331 5,6e−15 ✓
h=15,\ b=25: h sol 15 — 15 0 ✓
h=15,\ b=25: h sağ 15 — 15 0 ✓
h=15,\ b=25: b sol 25 — 25 0 ✓
h=15,\ b=25: b sağ 25 — 25 0 ✓
h=15,\ b=25: etkin n sol 319 319 319 0 ✓
h=15,\ b=25: etkin n sağ 288 288 288 0 ✓
5 komşu: geleneksel \hat\tau 7,41679643 7,41679643 7,41679643 1,3e−14 ✓
5 komşu: yanlılık düzeltmeli \hat\tau 7,51381178 7,51381178 7,51381178 1,3e−14 ✓
5 komşu: geleneksel SH 1,45157469 1,45157469 1,45157469 4,4e−15 ✓
5 komşu: sağlam SH 1,73648451 1,73648451 1,73648451 9,6e−15 ✓
5 komşu: h sol 17,68522452 — 17,68522452 0 ✓
5 komşu: h sağ 17,68522452 — 17,68522452 0 ✓
5 komşu: b sol 27,90997989 — 27,90997989 0 ✓
5 komşu: b sağ 27,90997989 — 27,90997989 0 ✓
5 komşu: etkin n sol 359 359 359 0 ✓
5 komşu: etkin n sağ 321 321 321 0 ✓
eşik =5: geleneksel \hat\tau 1,99851645 1,99851645 1,99851645 1,3e−13 ✓
eşik =5: yanlılık düzeltmeli \hat\tau 1,52581881 1,52581881 1,52581881 1,2e−13 ✓
eşik =5: geleneksel SH 1,71680171 1,71680171 1,71680171 2,2e−15 ✓
eşik =5: sağlam SH 2,02842755 2,02842755 2,02842755 4,6e−15 ✓
eşik =5: h sol 13,87420901 — 13,87420901 0 ✓
eşik =5: h sağ 13,87420901 — 13,87420901 0 ✓
eşik =5: b sol 23,21391153 — 23,21391153 0 ✓
eşik =5: b sağ 23,21391153 — 23,21391153 0 ✓
eşik =5: etkin n sol 339 339 339 0 ✓
eşik =5: etkin n sağ 221 221 221 0 ✓
eksik değerli satırlar: geleneksel \hat\tau 6,85195274 6,85195274 6,85195274 3,2e−15 ✓
eksik değerli satırlar: yanlılık düzeltmeli \hat\tau 6,73249537 6,73249537 6,73249537 1,8e−14 ✓
eksik değerli satırlar: geleneksel SH 1,51887699 1,51887699 1,51887699 2,5e−15 ✓
eksik değerli satırlar: sağlam SH 1,81425718 1,81425718 1,81425718 3,4e−15 ✓
eksik değerli satırlar: h sol 17,51851599 — 17,51851599 0 ✓
eksik değerli satırlar: h sağ 17,51851599 — 17,51851599 0 ✓
eksik değerli satırlar: b sol 27,81306927 — 27,81306927 0 ✓
eksik değerli satırlar: b sağ 27,81306927 — 27,81306927 0 ✓
eksik değerli satırlar: etkin n sol 345 345 345 0 ✓
eksik değerli satırlar: etkin n sağ 305 305 305 0 ✓
eşik değerinde 6 gözlem: geleneksel \hat\tau 6,88555321 6,88555321 6,88555321 4,7e−14 ✓
eşik değerinde 6 gözlem: yanlılık düzeltmeli \hat\tau 6,89371409 6,89371409 6,89371409 2,5e−14 ✓
eşik değerinde 6 gözlem: geleneksel SH 1,43351117 — 1,43351117 0 ✓
eşik değerinde 6 gözlem: sağlam SH 1,70723986 — 1,70723986 0 ✓
eşik değerinde 6 gözlem: h sol 17,51327834 — 17,51327834 0 ✓
eşik değerinde 6 gözlem: h sağ 17,51327834 — 17,51327834 0 ✓
eşik değerinde 6 gözlem: b sol 27,32059085 — 27,32059085 0 ✓
eşik değerinde 6 gözlem: b sağ 27,32059085 — 27,32059085 0 ✓
eşik değerinde 6 gözlem: etkin n sol 355 355 355 0 ✓
eşik değerinde 6 gözlem: etkin n sağ 325 325 325 0 ✓
sentetik (sıçrama 2): geleneksel \hat\tau 1,95324613 1,95324613 1,95324613 7,5e−15 ✓
sentetik (sıçrama 2): yanlılık düzeltmeli \hat\tau 1,95246439 1,95246439 1,95246439 5,1e−15 ✓
sentetik (sıçrama 2): geleneksel SH 0,08355683 0,08355683 0,08355683 2,9e−14 ✓
sentetik (sıçrama 2): sağlam SH 0,10210909 0,10210909 0,10210909 3,4e−14 ✓
sentetik (sıçrama 2): sağlam GA alt 1,75233424 1,75233424 1,75233424 4,0e−14 ✓
sentetik (sıçrama 2): sağlam GA üst 2,15259454 2,15259454 2,15259454 2,8e−14 ✓
sentetik (sıçrama 2): h sol 0,33243016 — 0,33243016 2,0e−13 ✓
sentetik (sıçrama 2): h sağ 0,33243016 — 0,33243016 2,0e−13 ✓
sentetik (sıçrama 2): b sol 0,50198806 — 0,50198806 3,0e−13 ✓
sentetik (sıçrama 2): b sağ 0,50198806 — 0,50198806 3,0e−13 ✓
sentetik (sıçrama 2): etkin n sol 256 256 256 0 ✓
sentetik (sıçrama 2): etkin n sağ 263 263 263 0 ✓
sentetik (eğim kırılması 1,2): geleneksel \hat\tau 1,59527474 1,59527474 1,59527474 3,9e−13 ✓
sentetik (eğim kırılması 1,2): yanlılık düzeltmeli \hat\tau 1,77818905 1,77818905 1,77818905 9,7e−13 ✓
sentetik (eğim kırılması 1,2): geleneksel SH 0,88344443 0,88344443 0,88344443 7,9e−13 ✓
sentetik (eğim kırılması 1,2): sağlam SH 1,28370437 1,28370437 1,28370437 7,6e−13 ✓
sentetik (eğim kırılması 1,2): h sol 0,44267774 — 0,44267774 2,1e−13 ✓
sentetik (eğim kırılması 1,2): h sağ 0,44267774 — 0,44267774 2,1e−13 ✓
sentetik (eğim kırılması 1,2): b sol 0,65107405 — 0,65107405 3,7e−13 ✓
sentetik (eğim kırılması 1,2): b sağ 0,65107405 — 0,65107405 3,7e−13 ✓
sentetik (eğim kırılması 1,2): etkin n sol 350 350 350 0 ✓
sentetik (eğim kırılması 1,2): etkin n sağ 350 350 350 0 ✓
yoğunluğu bozulmuş veri: geleneksel \hat\tau 3,68359542 3,68359542 3,68359542 2,2e−14 ✓
yoğunluğu bozulmuş veri: yanlılık düzeltmeli \hat\tau 3,82654312 3,82654312 3,82654312 9,8e−14 ✓
yoğunluğu bozulmuş veri: geleneksel SH 2,11065507 2,11065507 2,11065507 1,5e−15 ✓
yoğunluğu bozulmuş veri: sağlam SH 2,53895523 2,53895523 2,53895523 2,0e−14 ✓
yoğunluğu bozulmuş veri: h sol 15,42550599 — 15,42550599 0 ✓
yoğunluğu bozulmuş veri: h sağ 15,42550599 — 15,42550599 0 ✓
yoğunluğu bozulmuş veri: b sol 23,02102704 — 23,02102704 0 ✓
yoğunluğu bozulmuş veri: b sağ 23,02102704 — 23,02102704 0 ✓
yoğunluğu bozulmuş veri: etkin n sol 179 179 179 0 ✓
yoğunluğu bozulmuş veri: etkin n sağ 438 438 438 0 ✓
bulanık tasarım: geleneksel \hat\tau 8,28888305 8,28888305 8,28888305 2,0e−14 ✓
bulanık tasarım: yanlılık düzeltmeli \hat\tau 8,58027339 8,58026778 8,58027339 6,5e−7 ✓
bulanık tasarım: sağlam SH 1,83304858 — 1,83304858 0 ✓
bulanık tasarım: h (kestirim) 21,27474921 — 21,27474921 0 ✓
bulanık, tedavi 1/2 kodlu: geleneksel \hat\tau 8,29665877 8,29665877 8,29665877 3,0e−14 ✓
bulanık, tedavi 1/2 kodlu: yanlılık düzeltmeli \hat\tau 8,58276632 8,58276959 8,58276632 3,8e−7 ✓
bulanık, tedavi 1/2 kodlu: sağlam SH 1,83687789 — 1,83687789 0 ✓
bulanık, tedavi 1/2 kodlu: h (kestirim) 20,97748697 — 20,97748697 0 ✓
örnek ayar: z (geleneksel) 5,08264172 — 5,08264172 0 ✓
örnek ayar: p (geleneksel) 3,722214·10−7 — 3,722214·10−7 0 ✓
örnek ayar: z (yanlılık düzeltmeli) 5,14596565 — 5,14596565 0 ✓
örnek ayar: p (yanlılık düzeltmeli) 2,661481·10−7 — 2,661481·10−7 0 ✓
örnek ayar: z (sağlam) 4,31096411 — 4,31096411 0 ✓
örnek ayar: p (sağlam) 1,625443·10−5 — 1,625443·10−5 0 ✓
örnek ayar (p=1, üçgen, mserd): geleneksel \hat\tau, lm ağırlıklı EKK 7,41413075 — 7,41413075 2,7e−14 ✓
p=2: geleneksel \hat\tau, lm ağırlıklı EKK 8,04507947 — 8,04507947 5,6e−14 ✓
Epanechnikov çekirdeği: geleneksel \hat\tau, lm ağırlıklı EKK 7,23883271 — 7,23883271 1,5e−15 ✓
tekdüze çekirdek: geleneksel \hat\tau, lm ağırlıklı EKK 7,20247498 — 7,20247498 2,6e−14 ✓
%90 GA: sağlam alt 4,64238721 — 4,64238721 0 ✓
%90 GA: sağlam üst 10,37061752 — 10,37061752 0 ✓
hc0: geleneksel SH 1,45767984 — 1,45767984 0 ✓
hc0: sağlam SH 1,73943675 — 1,73943675 0 ✓
hc1: geleneksel SH 1,4601243 — 1,4601243 0 ✓
hc1: sağlam SH 1,74429815 — 1,74429815 0 ✓
hc2: geleneksel SH 1,46284935 — 1,46284935 0 ✓
hc2: sağlam SH 1,74700721 — 1,74700721 0 ✓
hc3: geleneksel SH 1,46796416 — 1,46796416 0 ✓
hc3: sağlam SH 1,75456701 — 1,75456701 0 ✓
ortak değişken population: geleneksel \hat\tau 7,43591596 — 7,43591596 0 ✓
ortak değişken population: yanlılık düzeltmeli \hat\tau 7,52941782 — 7,52941782 0 ✓
ortak değişken population: sağlam SH 1,7460629 — 1,7460629 0 ✓
ortak değişkenler termshouse, population: geleneksel \hat\tau 6,78893861 — 6,78893861 0 ✓
ortak değişkenler termshouse, population: yanlılık düzeltmeli \hat\tau 6,89502195 — 6,89502195 0 ✓
ortak değişkenler termshouse, population: sağlam SH 1,74086555 — 1,74086555 0 ✓
küme state: geleneksel \hat\tau 7,39483778 — 7,39483778 0 ✓
küme state: yanlılık düzeltmeli \hat\tau 7,5049563 — 7,5049563 0 ✓
küme state: sağlam SH 1,79594455 — 1,79594455 0 ✓
yoğunluk testi, örnek ayar: T −0,87527301 — −0,87527301 0 ✓
yoğunluk testi, örnek ayar: p 0,38142537 — 0,38142537 0 ✓
yoğunluk testi, yoğunluğu bozulmuş veri: T 10,60859644 — 10,60859644 0 ✓
yoğunluk testi, yoğunluğu bozulmuş veri: p 2,718012·10−26 — 2,718012·10−26 0 ✓
yoğunluk testi, örnek ayar: h sol 19,84110844 — 19,84110844 0 ✓
yoğunluk testi, örnek ayar: h sag 27,11878666 — 27,11878666 0 ✓
yoğunluk testi, örnek ayar: n sol 408 — 408 0 ✓
yoğunluk testi, örnek ayar: n sag 460 — 460 0 ✓

Ölçütü karşılayan: 281/281. Ölçüt satır başına 10^{-6} (değer 1'den büyükse göreli); etkin gözlem sayıları tamdır. Bağımsız Python sütunu yalnız numpy ile (ağırlıklı yerel polinom EKK, (p+1). derece terimle yanlılık düzeltmesi, en yakın komşu artık varyansı) verilen h ve b için hesaplanmıştır; bant genişlikleri şablon çıktısından alınır ve R sütunundaki rdrobust ile karşılaştırılır. Bulanık tasarımda Python sütunu iki yanlılık düzeltmeli kestirimin oranıdır; rdrobust bu oranı 7\times10^{-7} göreli farkla bulur (aynı satırdaki \hat\tau için 10^{-6} ölçütü). Eşik değerinde tekrarlı gözlem bulunan veride (x=0 için 6 gözlem) en yakın komşu artığı bağlı gözlemlerde farklı tanımlanır (3\times10^{-3} göreli SH farkı); o satırda SH yalnız R sütunuyla karşılaştırılır. Yoğunluk testi bağımsız olarak yeniden yazılmamıştır: yalnız rddensity paketiyle (T, p, bant genişlikleri, etkin gözlem sayıları) karşılaştırılır.

137.7 Çıktıyı okuma

Örnek ayarda şablonun konsol satırı ve üç tablosu (rd_ornek; sayılar 8 anlamlı basamağa yuvarlanmıştır):

Keskin RD; eşik = 0; p = 1; çekirdek: triangular; bant genişliği: mserd; n = 1297 (sol 595, sağ 702)
Not: eksik değer nedeniyle 93 satır atıldı (n: 1390 → 1297); sütun: eksik sayısı: vote: 93.

RD etkisi (yerel polinom; %95 GA)
               yontem    kestirim          SH           z            p      GA_alt      GA_ust
           Geleneksel  7.41413075  1.45871599  5.08264172  3.7222e-07  4.55509995  10.27316155
  Yanlılık düzeltmeli  7.50650236  1.45871599  5.14596565  2.6615e-07  4.64747156  10.36553317
               Sağlam  7.50650236  1.74125838  4.31096411  1.6254e-05  4.09369866  10.91930607

Bant genişlikleri ve etkin örneklem
                       olcut         sol         sag
 Bant genişliği h (kestirim)  17.7543982  17.7543982
 Bant genişliği b (yanlılık)  28.0280886  28.0280886
         Etkin gözlem sayısı         360         323

Cattaneo-Jansson-Ma yoğunluk sürekliliği testi (H0: eşikte yoğunluk sürekli; yalnız atama değişkeni, sonucu eksik satırlar dâhil, n = 1390)
  T_istatistigi           p      h_sol      h_sag  n_sol  n_sag
    -0.87527301  0.38142537  19.841108  27.118787    408    460

Şekil 137.1. Şablonun şekli: kutulanmış ortalamalar (mor noktalar) ve eşiğin iki yanında 4. derece küresel polinom uyumu (`rdplot`; kesikli dikey çizgi eşik). Küresel polinom yalnız görsel bir özettir: eşiğin sağında \approx53, solunda \approx44 civarındaki sıçrama gözle görülür; kestirim bu eğriden değil yerel doğrusal uyumdan gelir.

Öğe Ne yazar Nasıl yorumlanır
Konsol satırı Tasarım, eşik, p, çekirdek, bant seçici, n n tahmin örneklemidir (1297); etkin örneklem h içindekidir. Hemen altındaki not atılan 93 satırı söyler.
Geleneksel \hat\tau=7{,}414, SH 1{,}459 Yanlılığı düzeltilmemiş nokta; GA yanlış merkezlenmiş olabilir.
Yanlılık düzeltmeli \hat\tau_{\mathrm{bc}}=7{,}507 Noktayı 0{,}09 kaydırır; SH geleneksel SH'dir.
Sağlam 7{,}507, SH 1{,}741, GA [4{,}094;\ 10{,}919] Raporlanacak çıkarım: GA sıfırı kapsamaz.
h, b Bant genişlikleri (iki yan ayrı satır değil sütun) h=17{,}75: eşiğin \pm17{,}75 puan çevresi; b daha geniştir.
Etkin gözlem sayısı h içindeki gözlem 360 ve 323: tahmin yalnız bu gözlemlerle yapılır.
Yoğunluk testi T=-0{,}875, p=0{,}381; h_{\mathrm{sol}}=19{,}84, h_{\mathrm{sag}}=27{,}12 H_0 (eşikte yoğunluk sürekli) reddedilmez: manipülasyon kanıtı yok.

Bir Senato seçimini kazanmanın, partinin sonraki seçimdeki oy payı üzerindeki etkisi, eşik çevresinde yerel doğrusal regresyonla (üçgen çekirdek, MSE en iyi bant genişliği h=17{,}75) 7{,}41 yüzde puan bulunmuştur (SH 1{,}46); yanlılık düzeltmeli sağlam %95 GA [4{,}09;\ 10{,}92]'dir. Eşikte gözlem yoğunluğunun sürekliliği reddedilmemiştir (Cattaneo-Jansson-Ma T=-0{,}88, p=0{,}38).

Duyarlılık özeti (aynı veri, tek ayar değiştirilerek):

Ayar \hat\tau (geleneksel) \hat\tau_{\mathrm{bc}} Sağlam SH Sağlam %95 GA h
Örnek ayar 7,414 7,507 1,741 [4,094; 10,919] 17,754
p=2 8,045 8,317 2,093 [4,214; 12,419] 22,256
Epanechnikov 7,239 7,300 1,768 [3,835; 10,766] 16,104
Tekdüze 7,202 7,593 1,852 [3,963; 11,224] 11,597
cerrd (CER en iyi) 7,632 7,682 1,841 [4,074; 11,289] 12,407
q=3 7,771 7,816 2,142 [3,617; 12,015] 11,417
h=15, b=25 7,487 7,784 1,827 [4,202; 11,366] 15
h=15 (b=h) 7,487 9,086 2,241 [4,694; 13,477] 15
Plasebo eşik c=5 1,999 1,526 2,028 [-2{,}450; 5,501]

Sağlam GA'nın tüm gerçek eşik ayarlarında sıfırı kapsamaması sonucu destekler; plasebo eşikte (c=5) sıçrama bulunmaması beklenen davranıştır. b=h olduğunda (yalnız h verilince) yanlılık düzeltmesi çok kayar.

137.8 Sık hatalar ve tuzaklar

  • Bulanık tasarımda hangi düzeyin tedavi sayıldığını çıktıdan okuyun. Kural sütun türünden bağımsızdır: sayıya benzeyen düzeylerde büyük, değilse alfabetik son düzey tedavidir; çıktı "Tedavi sayılan düzey: '…' (n = …); kontrol: '…'" yazar. evet/hayir etiketli sütunda alfabetik son düzey hayirdir: gerçek tedavi alanlar kontrol sayılır ve kestirim işareti tersine döner (-8{,}217; tedavi_duzeyi = evet ile +8{,}289; rd_bulanik_metin). tedavi/kontrol etiketli sütunda kural doğru düzeyi seçer (8{,}289). Ters kodlama ilk aşama tablosunda da görülür: sıçrama negatiftir ve şablon uyarı yazar. Sayısal 0/1 tedavide sorun yoktur (137.4.4).
  • Bulanık tasarımda ilk aşama sıçraması ayrı tabloda yazılır. Etki oranın paydasına bağlıdır (\hat\tau_T=0{,}8731: eşik tedavi olasılığını 0{,}873 artırır); tablo aynı bant genişlikleriyle geleneksel, yanlılık düzeltmeli ve sağlam kestirimi, SH, z, p ve GA'yı verir. Sıçrama negatifse ya da sağlam GA'sı 0'ı kapsıyorsa (zayıf birinci aşama, \hat\tau_T\to0) şablon oranın güvenilmez olduğunu söyleyen bir uyarı yazar.
  • İki değerli sayısal tedavi 0/1'e çevrilir. Aynı bulanık veride tedavi 1/2 kodlansa da büyük değer 1 sayılır; bant genişliği (21{,}275) ve kestirim (8{,}289) 0/1 kodlamayla aynıdır. İkiden çok değerli sayısal tedavi olduğu gibi kullanılır.
  • Yoğunluk testi tahmin örnekleminden farklı bir örneklem kullanır. Test yalnız X'e bakar ve sonucu eksik satırları da dâhil eder (1390 satır); tahmin örneklemi 1297 satırdır. Tablo başlığı bunu ve kullanılan satır sayısını yazar. Örnek veride test tam gözlemlerde T=-0{,}760 (p=0{,}447), şablonda -0{,}875 (p=0{,}381) çıkar. n_{\mathrm{sol}} ve n_{\mathrm{sag}} etkin yoğunluk sayılarıdır.
  • Yoğunluk testi bozulmuş yoğunluğu yakalar ama kestirimi değiştirmez. Eşiğin altındaki [-10{,}0) gözlemlerin %60'ı [0{,}1) aralığına çekilmiş veride test T=10{,}61 (p=2{,}7\times10^{-26}) verir; RD kestirimi yine yazılır (3{,}684, sağlam GA [-1{,}150;\ 8{,}803]). Test reddedilince sonuç raporlanmamalıdır; şablon tablo yazmaktan başka bir uyarı vermez (rd_manip2). Zayıf manipülasyonda ([1{,}6) aralığındaki gözlemlerin yarısı çekilince) test reddetmez (p=0{,}184): "reddedilmedi" kanıt değildir.
  • Kütle noktalarında tahmin değişir. margin en yakın tam sayıya yuvarlanınca (rd_yigilma) adjust (5{,}226) ile check/off (5{,}179) farklı sonuç verir; rdrobust'ın bilinen uyarıları ("Mass points detected in the running variable"; check iken ek olarak "Try using option masspoints=adjust") Türkçe arayüzde Türkçe yazılır (263–270). Örnek veride de \pm100'de yığılma vardır: adjust 7{,}4141, check/off 7{,}4160.
  • Ortak değişken ya da küme sütunundaki eksik değer satırı tahmin örnekleminden atar ve bunu yazar. ortak = termshouse, population ile n=1297\to1108 ve kestirim 7{,}41\to6{,}79; çıktıdaki not atılan satır sayısını ve eksik değerin hangi sütunda olduğunu söyler (223–225). Bu fark kovaryatın etkisi değil örneklemin değişmesidir; population tek başına eklenince n aynı kalır ve kestirim 7{,}436 olur.
  • h verilip b verilmezse b=h olur ve yanlılık düzeltmesi çok kayar: h=15 iken \hat\tau_{\mathrm{bc}}=9{,}086 (sağlam GA [4{,}694;\ 13{,}477]), b=25 iken 7{,}784. Formdaki not bunu söyler; sonuç değişir ama uyarı yoktur.
  • Küme verilince nn ve hc1 aynıdır. rd_kume ve rd_kume_hc1 aynı sayıları verir (SH 1{,}534); hc3 farklıdır (1{,}559). Kümesiz nn 1{,}459, hc0 1{,}458, hc1 1{,}460, hc2 1{,}463, hc3 1{,}468.
  • Bir yanında tek küme. Küme sütunu tek değerliyse rdrobust "Not enough variability…" hatası verir ve şablon bunu "Kestirim yapılamadı:" ile aktarır (paketin iletisi İngilizce).
  • Eğim kırılması tasarımı etiketlidir. turev = 1 iken konsol satırı "RK (eğim kırılması)" ve tablo başlığı "RK etkisi: eğim değişimi" der; kestirim sıçrama değil eğimin değişimidir (p=1: 0{,}275, p=2: 0{,}707; sentetik veride gerçek değişim 1{,}2, p=2 sağlam GA [-0{,}74;\ 4{,}29] kapsar). p=1 ile p=2 arasındaki fark büyüktür; p=1 seçilmişse şablon p=2 önerisini uyarı olarak yazar (227).
  • En az 5 farklı değer koşulu kütle noktası sorununu çözmez. Koşul yalnız tamamen dejenere atamayı yakalar (esik = 100 iken eşiğin sağında yalnız X=100 değeri kalır ve "5 farklı değer" iletisiyle durur); az sayıda farklı değer taşıyan ya da çok yığılmış bir atama değişkeninde adjust kütle noktalarını ayarlar, ama çıkarımın geçerliliği ayrıca tartışılmalıdır (Kolesár ve Rothe, 2018).
  • Atama değişkeninin ya da sonucun metin olması. Ondalık virgüllü metin sonuç (vote "12,345") form denetiminde durur; sonuç ve atama sayısal roldür.
  • Eşik değerinde tekrarlı gözlem. X=0 olan gözlemler sağ tarafa girer (n_{\mathrm{sol}} 5 azalır, n_{\mathrm{sag}} 5 artar); en yakın komşu artıkları bağlı gözlemlerde yöntemlerce farklı tanımlanabilir (bu tür satırda bağımsız hesapla SH'de 3\times10^{-3} göreli fark çıktı).
  • Tedavi, atama ve sonuç için gözlemsel doğrulamalar şablon dışındadır: ortak değişkenlerin eşikte süreklilik (denge) denetimi, plasebo eşikler ve bant genişliğine duyarlılık şablonda otomatik yoktur; yukarıdaki duyarlılık tablosu ve plasebo eşik bunun elle yapılmış hâlidir.

137.9 Uzman soruları

S1. Eşikteki yerel etki neden tüm birimlere genellenemez?

\tau yalnız X=c noktasındaki birimler için tanımlıdır ve \mu_\pm(c) iki yandan eşiğe yaklaşılarak kestirilir; eşikten uzak birimler için kestirimde veri yoktur. Bulanık tasarımda etki ayrıca eşik uyumlularına özgüdür (tedaviyi eşiğe göre alanlara). Bu bir kısıt değil tasarımın tanımıdır; dış geçerlilik için başka bir argüman gerekir.

S2. Neden yerel doğrusal (p=1) ve neden sağlam GA?

Yerel doğrusal uyum, eşik kestiriminde sınır yanlılığını yüksek dereceli küresel polinoma göre çok daha az üretir ve yüksek dereceli küresel polinomların uç noktalarda aşırı salındığı bilinir (Gelman ve Imbens, 2019). MSE en iyi h'de ise yaklaşım yanlılığı örnekleme hatasıyla aynı büyüklüktedir; geleneksel GA bu yüzden yanlış kapsar. Sağlam yanlılık düzeltmeli GA bu eksikliği giderir ve MSE en iyi h ile de geçerlidir (Calonico, Cattaneo ve Titiunik, 2014).

S3. `mserd` ve `cerrd` ne zaman seçilir?

mserd nokta kestiriminin ortalama kare hatasını en küçükler (h=17{,}75; \hat\tau=7{,}41); cerrd kapsama hatasını en küçükler ve daha dardır (h=12{,}41; \hat\tau=7{,}63). Sağlam GA ile birlikte MSE en iyi h de geçerlidir; CER en iyi h güven aralığının kapsama hatasını en aza indirmek istendiğinde seçilir. Sonuçları birlikte raporlamak duyarlılık gösterir (137.7 tablosu).

S4. Yoğunluk testi neyi sınar, neyi sınamaz?

H_0: eşikte yoğunluk sürekli. Reddedilirse birimler atama değerini eşik yakınında işlemiş olabilir ve tasarımın dayanağı sarsılır. Reddedilmemesi manipülasyon olmadığının kanıtı değildir: güç sınırlıdır ve yalnız eşikteki yoğunluğa bakar. Ek olarak ortak değişkenlerin eşikte dengesine bakmak gerekir; şablon bunu yapmaz.

S5. Sınır durumu: eşiğin bir yanında çok az gözlem varsa

Her yanda en az 10 gözlem ve en az 5 farklı değer koşulu (171, 174) sağlanıyorsa çalışır; ama bant genişliği seçimi iki yanın verisinden tahmin edilir ve küçük etkin örneklemde SH ve bant seçimi güvenilmez olur. Etkin gözlem sayılarına (n_h) bakın: onlarca gözlemde sağlam GA aşırı geniştir.

S6. Bulanık tasarımda payda neden önemlidir?

\hat\tau_{\mathrm F}=\hat\tau_Y/\hat\tau_T. \hat\tau_T eşikte tedavi olasılığının sıçramasıdır (örnekte 0{,}873). Paydası küçükse oran büyük ve kararsız olur ve sağlam GA anlamsızlaşır (zayıf birinci aşama). Şablon payda ve ilk aşama GA'sını ayrı tabloda yazar (aynı bant genişlikleriyle) ve sıçrama negatifse ya da sağlam GA'sı 0'ı kapsıyorsa uyarır.

S7. Ortak değişken eklemek sonucu neden değiştirir?

Ortak değişkenler yalnız kesinliği artırmalı, nokta kestirimini kaydırmamalıdır; kayıyorsa ya örneklem değişmiştir (eksik değerli satırlar atılır: 1297\to1108) ya da ortak değişken eşikte süreksizdir (kendisi bir sonuçtur). Örnekte population eklemek 7{,}414\to7{,}436 yapar (n aynı); termshouse ile n düştüğü için 6{,}79 çıkar.

S8. `rdrobust` paketinin kendisiyle ne zaman ayrışır?

Şablon paketi çağırır ve çıktıyı yeniden biçimlendirir; sayılar paketin değerleridir. Bağımsız Python hesabı verilen h ve b için 10^{-12} içinde aynıdır (137.6.1). Şablonun eklediği şeyler: tedavi sütunu dönüşümü (175), or(P$…) varsayılan yönetimi (203–212), yoğunluk testinin örneklemi (253), tablo başlığı ve hata iletileri.

137.10 Kaynaklar

  • Calonico, S., Cattaneo, M. D., & Farrell, M. H. (2020). Optimal bandwidth choice for robust bias-corrected inference in regression discontinuity designs. The Econometrics Journal, 23(2), 192–210. https://doi.org/10.1093/ectj/utz022
  • Calonico, S., Cattaneo, M. D., Farrell, M. H., & Titiunik, R. (2019). Regression discontinuity designs using covariates. The Review of Economics and Statistics, 101(3), 442–451. https://doi.org/10.1162/rest_a_00760
  • Calonico, S., Cattaneo, M. D., & Titiunik, R. (2014). Robust nonparametric confidence intervals for regression-discontinuity designs. Econometrica, 82(6), 2295–2326. https://doi.org/10.3982/ECTA11757
  • Calonico, S., Cattaneo, M. D., & Titiunik, R. (2015). rdrobust: An R package for robust nonparametric inference in regression-discontinuity designs. The R Journal, 7(1), 38–51. https://doi.org/10.32614/RJ-2015-004
  • Card, D., Lee, D. S., Pei, Z., & Weber, A. (2015). Inference on causal effects in a generalized regression kink design. Econometrica, 83(6), 2453–2483. https://doi.org/10.3982/ECTA11224
  • Cattaneo, M. D., Frandsen, B. R., & Titiunik, R. (2015). Randomization inference in the regression discontinuity design: An application to party advantages in the U.S. Senate. Journal of Causal Inference, 3(1), 1–24. https://doi.org/10.1515/jci-2013-0010
  • Cattaneo, M. D., Idrobo, N., & Titiunik, R. (2020). A practical introduction to regression discontinuity designs: Foundations. Cambridge University Press. https://doi.org/10.1017/9781108684606
  • Cattaneo, M. D., Jansson, M., & Ma, X. (2020). Simple local polynomial density estimators. Journal of the American Statistical Association, 115(531), 1449–1455. https://doi.org/10.1080/01621459.2019.1635480
  • Cheng, M.-Y., Fan, J., & Marron, J. S. (1997). On automatic boundary corrections. The Annals of Statistics, 25(4), 1691–1708. https://doi.org/10.1214/aos/1031594737
  • Gelman, A., & Imbens, G. (2019). Why high-order polynomials should not be used in regression discontinuity designs. Journal of Business & Economic Statistics, 37(3), 447–456. https://doi.org/10.1080/07350015.2017.1366909
  • Hahn, J., Todd, P., & Van der Klaauw, W. (2001). Identification and estimation of treatment effects with a regression-discontinuity design. Econometrica, 69(1), 201–209. https://doi.org/10.1111/1468-0262.00183
  • Imbens, G., & Kalyanaraman, K. (2012). Optimal bandwidth choice for the regression discontinuity estimator. The Review of Economic Studies, 79(3), 933–959. https://doi.org/10.1093/restud/rdr043
  • Kolesár, M., & Rothe, C. (2018). Inference in regression discontinuity designs with a discrete running variable. American Economic Review, 108(8), 2277–2304. https://doi.org/10.1257/aer.20160945
  • Lee, D. S., & Lemieux, T. (2010). Regression discontinuity designs in economics. Journal of Economic Literature, 48(2), 281–355. https://doi.org/10.1257/jel.48.2.281
  • Yazılım kaydı (şablonun ozet.json çıktısı): R 4.5.3; rdrobust 4.1.1 (Calonico, Cattaneo, Farrell ve Titiunik, 2026, R paketi; https://doi.org/10.32614/CRAN.package.rdrobust); rddensity 3.0 (Cattaneo, Jansson ve Ma, 2026, R paketi; https://doi.org/10.32614/CRAN.package.rddensity).