Bayesian Fuzzy Regression Discontinuity
Bayesian Fuzzy Regression Discontinuity (Bayesian Fuzzy RD) kombiniert die quasi-experimentelle Logik des Fuzzy-Regression-Discontinuity-Designs mit vollständiger Bayes'scher Inferenz. Sie schätzt einen lokalen durchschnittlichen Behandlungseffekt an einer Politikschwelle, bei der die Behandlungszuweisung probabilistisch und nicht deterministisch ist, indem sie A-priori-Verteilungen über alle Unbekannten legt und eine vollständige A-posteriori-Verteilung des kausalen Effekts anstelle einer einzelnen Punktschätzung wiedergewinnt.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Methodenkarte
Die Nachbarschaft verwandter Methoden — wählen Sie einen Knoten, um sie zu erkunden.
Quellen
- Hahn, J., Todd, P., & Van der Klaauw, W. (2001). Identification and Estimation of Treatment Effects with a Regression-Discontinuity Design. Review of Economic Studies, 68(1), 201-209. DOI: 10.1111/1468-0262.00183 ↗
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/de/causal-inference/bayesian-fuzzy-regression-discontinuity
Welche Methode?
Stellen Sie diese Methode neben ihre nächsten Verwandten und lesen Sie sie nebeneinander — die Bibliothek legt die Bücher auf den Tisch; die Wahl liegt bei Ihnen.
- Bayesian Instrumental Variables (Bayesian IV)Kausale Inferenz↔ vergleichen
- Differenz-in-Differenzen (DiD)Ökonometrie↔ vergleichen
- Fuzzy Regression Discontinuity DesignKausale Inferenz↔ vergleichen
- Instrumentalvariablen-Methode (IV) zur KausalinferenzGesundheitsökonomie↔ vergleichen
- Lokaler durchschnittlicher Behandlungseffekt (LATE / CACE)Kausale Inferenz↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →