Maskinlærings-augmenteret fuzzy RDD (Regression Discontinuity Design)

ML-augmenteret fuzzy RDD udvider det klassiske fuzzy RDD ved at erstatte parametriske polynomielle approksimationer med fleksible maskinlæringsestimater. Hvor standard fuzzy RDD anvender IV-lignende estimering ved en tærskelværdi med ufuldstændig compliance, udnytter den ML-augmenterede variant ikke-parametriske læringsmodeller – såsom random forests eller neurale netværk – til at modellere både udfaldet og sandsynligheden for første-trins behandling nær afskæringen, hvilket reducerer bias fra misspecificering, samtidig med at kausal identifikation bevares.