Stata：聚束效应-bunching-另类断点回归

全文阅读：Stata：聚束效应-bunching-另类断点回归| 连享会主页

目录

• 1. 引言
  • 1.1 什么是聚束效应？
  • 1.2 为什么要讨论聚束效应？
  • 1.3 传统非线性预算集方法
• 2. 聚束理论
  • 2.1 拐点
  • 2.2 断点
  • 2.3 优化摩擦
• 3. 聚束估计量
• 4. Stata 命令介绍
  • 4.1 bunchbounds 命令
  • 4.2 bunchtobit 命令
  • 4.3 bunchfilter 命令
  • 4.4 bunching 命令
• 5. Stata 应用实例
  • 5.1 估计弹性边界
  • 5.2 弹性的半参数点估计
  • 5.3 摩擦误差
• 6. 参考资料
• 7. 相关推文

1. 引言

1.1 什么是聚束效应？

为了方便大家理解，笔者先举一个生活中的例子。

考虑一条正常的步行街，在天晴的时候，街道上和屋檐下的人群密集程度大致相近。天空中突然下起大雨，没带伞的人迅速躲到了屋檐下，而带了伞的人则撑开伞继续行走。此时，屋檐下的人数密度会突然增加，出现了所谓的聚集。

取个学术点的名字，就叫做「聚束」。

聚束效应 (bunching) 是指在面临政策扰动时，个体出于自身效用最大化主动选择集中于一点，形成了类似离散分布才存在的质量点。从概率密度函数看，原连续的分布出现截断，质量点对应的概率大于 0。

与断点回归 (RDD) 和拐点回归 (RK) 类似，聚束效应也出现了断点或拐点。但聚束效应与这两者之间存在一个关键的不同之处——在 RDD 或 RK 模型中，个体无法干预政策，其分布高于或低于阈值是外生的；而 bunching 恰好相反，个体面对突如其来的政策变化可以自由选择扎堆。

在聚束效应中，政策是内生的，我们研究的正是个体面对政策所表现出来的个人选择。因此在分析特定阈上观察到的离散跳跃时，要依据分配变量的可操作来选择方法。

全文阅读：Stata：聚束效应-bunching-另类断点回归| 连享会主页