2020-11-062020-11-062020-11-06https://repositorio.banrep.gov.co/handle/20.500.12134/9930La literatura que emplea diseños de regresión discontinua (RDD) generalmente agrupa observaciones a través del tiempo y a través de valores de corte. Si bien este método es práctico, puede omitir heterogeneidad útil de tiempo. En este documento descomponemos el efecto del tratamiento de RDD en sus partes ponderadas, relacionadas a cada valor temporal. De esta forma, nuestro análisis agrega riqueza al coeficiente estimado, donde cada componente especifico del tiempo puede ser diferente e informativo, de una manera que no se expresa actualmente en las estimaciones de corte único o de cortes combinados. Para ilustrar nuestra metodología, presentamos dos ejemplos empíricos: uno usando datos de corte transversales repetidos y otro usando series de tiempo. En general, mostramos que existe una heterogeneidad significativa en los efectos de tiempo. Esta heterogeneidad puede generar diferencias relevantes en periodos económicos. Finalmente, proponemos un nuevo estimador que utiliza todas las observaciones del diseño original y que captura el efecto incremental de la política condicional a una variable de estado. Este estimador es generalmente más preciso en comparación con aquellos que excluyen observaciones expuestas a otros umbrales. Nuestra metodología es simple y fácilmente replicable y se puede aplicar a cualquier aplicación de RDD que tenga una dimensión rastreable de tiempo.The literature that employs Regression Discontinuity Designs (RDD) typically stacks data across time periods and cutoff values. While practical, this procedure omits useful time heterogeneity. In this paper we decompose the RDD treatment effect into its weighted time-value parts. This analysis adds richness to the RDD estimand, where each time-specific component can be different and informative in a manner that is not expressed by the single cutoff or pooled regressions. To illustrate our methodology, we present two empirical examples: one using repeated cross-sectional data and another using time-series. Overall, we show a significant heterogeneity in both cutoff and time-specific effects. From a policy standpoint, this heterogeneity can pick up key differences in treatment across economically relevant episodes. Finally, we propose a new estimator that uses all observations from the original design and which captures the incremental effect of policy given a state variable. We show that this estimator is generally more precise compared to those that exclude observations exposed to other cutoffs or time periods. Our proposed framework is simple and easily replicable and can be applied to any RDD application that carries an explicitly traceable time dimension.22 páginas : gráficas, tablasPDFengOpen AccessRegresión DiscontinuaMúltiples valores de corteHeterogeneidad de tiempoWorking PaperC14 - Semiparametric and Nonparametric Methods: GeneralC31 - Cross-Sectional Models; Spatial Models; Treatment Effect Models; Quantile Regressions; Social Interaction ModelsC52 - Model Evaluation, Validation, and SelectionRegression discontinuityMultiple cutoffsTime heterogeneityEconometría -- Diseño de Regresiones DiscontinuasEconomía -- EvoluciónAcceso abiertoAtribucion-NoComercial-CompartirIgual CC BY-NC-SA 4.0C14 - Métodos semiparamétricos y no paramétricos: generalidadesC31 - Modelos de sección cruzada; Modelos espaciales; Modelos de efecto de tratamiento; Regresiones cuantiles; Modelos de interacción socialC52 - Evaluación, contraste y selección de modelosLas opiniones contenidas en el presente documento son responsabilidad exclusiva de los autores y no comprometen al Banco de la República ni a su Junta Directiva.The opinions contained in this document are the sole responsibility of the author and do not commit Banco de la República or its Board of Directors.Objeto de publicación: La obra de mí (nuestra) autoría tiene por objeto ser publicada en el Portal de Investigaciones del Banco de la República e incluirla en el repositorio institucional de esa misma entidad. La obra podrá consistir en documento escrito, audiovisual, audio, gráfico, fotográfico, infográfico, podcasts, etc., y podrá estar en cualquier formato conocido o por conocerse.Datos personales: El(los) autor(es) ha(n) incluido sus datos personales (nombres, correo electrónico, filiación académica, perfil académico, entre otros) en el Portal de Investigaciones o la obra remitida para publicación, y por consiguiente, manifiesta(n) que mediante el diligenciamiento y registro de sus datos personales autoriza(n) al Banco de la República el tratamiento (recolección, almacenamiento, uso, circulación o supresión) de todos los datos suministrados con la finalidad de adelantar la publicación de la obra en el Portal de Investigaciones, dar a conocer su perfil académico y medios de contacto para fines académicos y divulgativos, así como para la construcción de indicadores y estadísticas para el seguimiento y control de las actividades de divulgación del Portal de Investigaciones. Para tal fin, se informa que el tratamiento de los datos personales se realizará de acuerdo con las políticas o lineamientos generales disponibles en http://www.banrep.gov.co/proteccion-datos-personales, en la sección “Protección de Datos Personales - Habeas Data”.https://hdl.handle.net/20.500.12134/9930