考虑回归不连续性中的固定效应（R 中的 rdrobust 包）

Question

我刚开始使用 rd 设计，并且有一个关于固定效应的问题。假设我有一个带有结果变量 y 的数据框 df（在几年内观察了 100 个地区），运行变量 x。我希望用“因素”变量“地区”来解释地区固定效应

我查看了两个解决方案 here 和 here。

根据我指定covs 的方式，两者都给出了截然不同的估计：

我用过--

rdrobust(df$y, df$x, covs=cbind(df$district), c=0, all=TRUE)

-- 和--

blocks.d = model.matrix(~df$district+0)
rdrobust(df$y , df$x, covs=blocks.d, c=0, all=TRUE)

--基于我看到的答案（上面链接），但令人费解的是，这两种方法的结果有何显着不同。使用covs 是控制固定效果的正确方法吗？如果是这样，上述哪种方法更好？我尝试浏览 rdrobust 文档，但不幸的是无法弄清楚

Answer 1

如果我正确理解您的数据，您的第一种方法使用地区列表作为协变量，而第二种方法使用一组指标，如果您想包含固定效应，这将是正确的方法。