Résumé Nous proposons un nouvel algorithme de sélection de modèle pour la conception de discontinuité de régression et des estimateurs connexes. La performance des modèles candidats est évaluée dans une "zone de placebo" de la variable continue. Les modèles candidats peuvent différer par la bande passante et d'autres paramètres de choix. Nous décrivons des conditions suffisantes (restrictives) sous lesquelles l'approche est asymptotiquement optimale, puis nous montrons que l'approche fonctionne également de manière favorable dans des conditions plus générales lors de simulations de Monte Carlo, y compris des simulations calibrées à des applications réelles bien connues. Nous proposons également une nouvelle procédure d'inférence par randomisation qui s'appuie sur les estimations de placebo. Nos commandes Stata mettent en œuvre la procédure et comparent sa performance à d'autres approches.
Kettlewell et al. (Tue,) ont étudié cette question.