我刚开始研究rd设计，有一个关于计算固定效果的问题。假设我有一个数据帧df，其结果变量为y(几年来在100个地区中观察到(，运行变量为x。我希望用"因子"变量"地区"来解释地区固定效应
我在这里和这里研究了两种解决方案。
根据我如何指定covs:，两者给出的估计大相径庭
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(链接到上面(，但令人困惑的是，这两种方法的结果有何不同。使用covs是控制固定效果的正确方法吗？如果是，以上哪种方法更好？我试着浏览rdrobust文档，但不幸的是，我没能弄清楚
如果我正确理解你的数据，你的第一种方法使用地区列表作为协变量，而第二种方法使用指标集，如果你想包括固定效应，这将是正确的方法。