Maschinelles Lernen-erweitertes Fuzzy Regression Discontinuity Design

Das ML-erweiterte Fuzzy RDD erweitert das klassische Fuzzy Regression Discontinuity Design, indem es parametrische polynomielle Approximationen durch flexible Machine-Learning-Schätzer ersetzt. Während das Standard-Fuzzy RDD eine IV-artige Schätzung an einem Schwellenwert mit unvollständiger Compliance verwendet, nutzt die ML-erweiterte Variante nichtparametrische Lernalgorithmen – wie Random Forests oder neuronale Netze –, um sowohl das Ergebnis als auch die First-Stage-Behandlungswahrscheinlichkeit nahe dem Cutoff zu modellieren, wodurch der Misspezifikationsbias reduziert und gleichzeitig die kausale Identifikation erhalten bleibt.