3月24日中午12点，经济与社会研究院“实证研究阅读小组”第二次论文阅读活动在中惠楼106举行。研究院及经济学院20余名师生参与了此次阅读分享。
在本次阅读小组分享活动上，研究院助理教授马森进行了题为“Regression Discontinuity Design with Covariates”的论文分享。断点回归设计（Regression Discontinuity Design，RDD）是进行因果识别的重要方法，近年来被广泛应用于经济学各领域的实证研究。在RDD设定中加入可观测的协变量，是传统RDD方法在近年来的拓展方向之一。围绕这一话题，马森分享了多篇相关论文，介绍了该领域的最新研究成果。
在RDD中加入协变量的目的之一，是提高对处理效（Treatment Effect）的估计效率Calonico et al.（2019）指出，假定协变量为连续分布的情况下，加入协变量可以减少方差，从而提高估计精度。
加入协变量的另一目的，是在协变量不为连续分布的情况下对处理效应进行估计。标准的RDD设定要求所有协变量的条件概率密度函数在断点处是连续的。而在许多现实的研究情境中，这一假设往往不能得到满足。基于此，Frölich and Huber (2019)提出了一种非参数估计方法，并指出，在控制所有“不连续”的协变量后，该方法可以对处理效应进行识别。
马森指出，目前，针对这一方法是否可以识别处理效应仍存在争议。如Cattaneo et al. (2021)认为，在协变量不平衡的情况下，RDD的处理效应是无法识别的。基于此，Cattaneo et al. (2021)对使用RDD方法的研究者提出了两点建议，一是以提升估计精度为目的加入协变量；二是要确保RDD的结果在加入或不加入协变量时都是稳健的。
马森的分享引发了听众的热烈讨论，在场师生对相关问题进行了深入探讨，现场气氛十分融洽。
参考文献：
Calonico, Sebastian, et al. Regression discontinuity designs using covariates. Review of Economics and Statistics 101.3 (2019): 442-451.
Frölich, Markus, and Martin Huber. Including covariates in the regression discontinuity design. Journal of Business & Economic Statistics 37.4 (2019): 736-748.
Cattaneo, Matias D., Luke Keele, and Rocio Titiunik. Covariate Adjustment in Regression Discontinuity Designs. arXiv preprint arXiv:2110.08410 (2021).
【实证研究阅读小组简介 】“实证研究阅读小组”由经济与社会研究院Shiko Maruyama教授担任小组负责人，研究院多名全职教师担任核心组员，其他小组成员包括经济与社会研究院、经济学院的教师、硕博士研究生。“实证研究阅读小组”旨在聚集经济学科在应用微观经济学领域的研究人员，共同关注该领域的最新研究，探讨实证研究的方法。
阅读小组阅读讨论的文章涵盖了前沿研究论文、介绍性的文章、调查文章、教材章节等，话题涵盖DID、RDD、机器学习、文本数据、结构估计等，均由小组核心成员推荐并共同投票选出。阅读小组每个月举办两次阅读分享活动。
