Testing identifying assumptions in fuzzy regression discontinuity designs
Notice bibliographique
Résumé
We propose a new specification test for assessing the validity of fuzzy regression discontinuity designs (FRD‐validity). We derive a new set of testable implications, characterized by a set of inequality restrictions on the joint distribution of observed outcomes and treatment status at the cut‐off. We show that this new characterization exploits all of the information in the data that is useful for detecting violations of FRD‐validity. Our approach differs from and complements existing approaches that test continuity of the distributions of running variables and baseline covariates at the cut‐off in that we focus on the distribution of the observed outcome and treatment status. We show that the proposed test has appealing statistical properties. It controls size in a large sample setting uniformly over a large class of data generating processes, is consistent against all fixed alternatives, and has non‐trivial power against some local alternatives. We apply our test to evaluate the validity of two FRD designs. The test does not reject FRD‐validity in the class size design studied by Angrist and Lavy (1999) but rejects it in the insurance subsidy design for poor households in Colombia studied by Miller, Pinto, and Vera‐Hernández (2013) for some outcome variables. Existing density continuity tests suggest the opposite in each of the two cases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,153 | 0,469 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,008 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,007 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».