Diseño de Regresión Discontinua Bayesiana
El Diseño de Regresión Discontinua Bayesiana (Bayesian RDD) integra el marco clásico de RD —que estima un efecto causal local en un punto de corte de asignación conocido— dentro de un motor de inferencia bayesiano. Se colocan distribuciones a priori sobre las funciones de regresión a cada lado del punto de corte y sobre el parámetro del efecto del tratamiento, lo que produce una distribución posterior completa sobre el estimador causal en lugar de una única estimación puntual con un valor p frecuentista.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/es/causal-inference/bayesian-regression-discontinuity-design
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Diferencias en Diferencias BayesianoInferencia causal↔ comparar
- Diseño difuso de discontinuidad de regresiónInferencia causal↔ comparar
- Método de Variables Instrumentales (VI) para Inferencia CausalEconomía de la salud↔ comparar
- Efecto Medio Local del Tratamiento (LATE / CACE)Inferencia causal↔ comparar
- Emparejamiento por Puntuación de PropensiónEstadística para la investigación↔ comparar
Similar methods
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →