Francis DieboldがArt OwenとHal Varianの新しい論文「Optimizing the Tie-Breaker Regression Discontinuity Design」にリンクし、そこで使われている手法について以下のように解説している。
Randomized controlled trials (RCT's) are clearly the gold standard in terms of statistical efficiency for teasing out causal effects. Assume that you really can do an RCT. Why then would you ever want to do anything else?
Answer: There may be important considerations beyond statistical efficiency. Take the famous "scholarship example". (You want to know whether receipt of an academic scholarship causes enhanced academic performance among top scholarship test performers.) In an RCT approach you're going to give lots of academic scholarships to lots of randomly-selected people, many of whom are not top performers. That's wasteful. In a regression discontinuity design (RDD) approach ("give scholarships only to top-performers who score above X in the scholarship exam, and compare the performances of students who scored just above and below X"), you don't give any scholarships to non-top performers. So it's not wasteful -- but the resulting inference is highly statistically inefficient.
"Tie breakers" implement a middle ground: Definitely don't give scholarships to poor performers, definitely do give scholarships to top performers, and randomize for a middle group. So you gain some efficiency relative to pure RDD (but you're a little wasteful), and you're less wasteful than a pure RCT (but you lose some efficiency).
（拙訳）
因果関係を抽出する際の統計的な効率性という点で、ランダム化比較試験は間違いなく最も優れた手法である。ランダム化比較試験を実際に実施できるものとしよう。その場合、他に何かをしたいと思う理由など存在するだろうか？
答え：統計的な効率性以外にも重要な考慮すべき点が存在し得る。有名な「奨学金の事例」を考えてみよう（奨学金を貰うことが、試験の上位者の成績を増すかどうか知りたい、というケース）。ランダム化比較試験の手法では、無作為に選ばれた多くの人に多額の奨学金を渡すことになる。その中には成績上位者以外も少なからずいる。それは無駄である。回帰不連続デザイン*1の手法（「奨学金試験でXを上回る点数を取った上位者にのみ奨学金を渡し、X前後の点数を取った学生と成績を比較する」）では、非上位者には奨学金を全く渡さない。従って無駄は無いが、結果として得られる推計は統計的にかなり非効率的である。
「タイブレーカー」はその中間の手法である。成績が悪い者には確実に奨学金を渡さず、トップクラスの成績の者には確実に奨学金を渡し、中間層はランダム化する。従って純粋な回帰不連続デザインよりは効率性が幾分増加し（ただし無駄も少し多くなる）、純粋なランダム化比較試験よりも無駄が少ない（ただし効率性は幾分落ちる）。
