Robuste Regressions-Diskontinuitäts-Analyse (Robust RDD)
Robuste RDD erweitert das klassische Regressions-Diskontinuitäts-Design (RDD) um Bias-Korrektur und robuste Konfidenzintervalle, wodurch das Problem der Unterabdeckung bei konventioneller RDD-Inferenz behoben wird. Entwickelt von Calonico, Cattaneo und Titiunik (2014), verwendet sie lokale Polynomschätzungen mit einem bias-korrigierten Punktschätzer und einem größeren Varianzausdruck, der die zusätzliche Unsicherheit berücksichtigt und somit Konfidenzintervalle mit korrekter asymptotischer Abdeckung liefert.
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
- Calonico, S., Cattaneo, M. D., & Titiunik, R. (2014). Robust Nonparametric Confidence Intervals for Regression-Discontinuity Designs. Econometrica, 82(6), 2295-2326. DOI: 10.3982/ECTA11757 ↗
- Cattaneo, M. D., Idrobo, N., & Titiunik, R. (2019). A Practical Introduction to Regression Discontinuity Designs: Foundations. Cambridge University Press. ISBN: 978-1108710206
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Robust Bias-Corrected Regression Discontinuity Design. ScholarGate. https://scholargate.app/de/causal-inference/robust-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.
- Differenz-in-Differenzen (DiD)Ökonometrie↔ vergleichen
- Fuzzy Regression Discontinuity DesignKausale Inferenz↔ vergleichen
- Instrumentalvariablen-Methode (IV) zur KausalinferenzGesundheitsökonomie↔ vergleichen
- Propensity Score MatchingForschungsstatistik↔ vergleichen
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →