Robust Regression Discontinuity-design

Robust RDD udvider det klassiske regressionsafbrudsdesign (RDD) med bias-korrektion og robuste konfidensintervaller, hvilket adresserer dækningsproblemet ved konventionel RDD-inferens. Udviklet af Calonico, Cattaneo og Titiunik (2014), anvender det lokal polynomial estimering med et bias-korrigeret punktestimat og en bredere varians, der tager højde for den tilføjede usikkerhed, hvilket resulterer i konfidensintervaller med korrekt asymptotisk dækning.