Бейсънов регресионен дизайн на прекъсването
Бейсъновият регресионен дизайн на прекъсването (Bayesian RDD) вгражда класическата рамка на RDD — която оценява локален причинно-следствен ефект при известен праг на присвояване — в Бейсънов изводен механизъм. Априорни разпределения се поставят върху регресионните функции от двете страни на прага и върху параметъра на ефекта от третирането, което води до пълно апостериорно разпределение върху причинно-следствената оценка, а не до единична точкова оценка с честотен p-стойност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Karabatsos, G., & Walker, S. G. (2004). Coherent inference in regression discontinuity designs with a Bayesian nonparametric approach. Journal of the American Statistical Association, 99(468), 1121-1131. link ↗
- Chib, S., & Jacobi, L. (2016). Bayesian fuzzy regression discontinuity analysis and returns to compulsory schooling. Journal of Applied Econometrics, 31(6), 1026-1047. DOI: 10.1002/jae.2481 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/bg/causal-inference/bayesian-regression-discontinuity-design
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Байесовски Диференциал-в-ДиференциалиПричинно-следствено заключение↔ сравняване
- Размита регресионна прекъсната конструкцияПричинно-следствено заключение↔ сравняване
- Метод на инструменталните променливи (IV) за причинно-следствен анализИкономика на здравеопазването↔ сравняване
- Локален среден ефект от третиране (LATE / CACE)Причинно-следствено заключение↔ сравняване
- Съгласуване по показател на склонностСтатистика за изследвания↔ сравняване
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →