Bayesianische Regressions-Diskontinuitäts-Analyse
Die Bayesianische Regressions-Diskontinuitäts-Analyse (Bayesian RDD) bettet den klassischen RD-Rahmen — der einen lokalen kausalen Effekt an einer bekannten Zuweisungsgrenze schätzt — in eine bayesianische Inferenzmaschine ein. Prior-Verteilungen werden auf die Regressionsfunktionen auf beiden Seiten der Grenze und auf den Behandlungseffekt-Parameter gelegt, was eine vollständige Posterior-Verteilung über den kausalen Schätzwert ergibt, anstatt einer einzelnen Punktschätzung mit einem frequentistischen p-Wert.
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
- 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 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/de/causal-inference/bayesian-regression-discontinuity-design
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 Difference-in-DifferencesKausale Inferenz↔ vergleichen
- Fuzzy Regression Discontinuity DesignKausale Inferenz↔ vergleichen
- Instrumentalvariablen-Methode (IV) zur KausalinferenzGesundheitsökonomie↔ vergleichen
- Lokaler durchschnittlicher Behandlungseffekt (LATE / CACE)Kausale Inferenz↔ vergleichen
- Propensity Score MatchingForschungsstatistik↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →