Diseño de Regresión Discontinua Difusa Aumentado con Aprendizaje Automático

El RD difuso aumentado con ML extiende el diseño clásico de regresión discontinua difusa al reemplazar las aproximaciones polinómicas paramétricas con estimadores flexibles de aprendizaje automático. Donde el RD difuso estándar utiliza estimación de estilo IV en un umbral con cumplimiento imperfecto, la variante aumentada con ML aprovecha aprendices no paramétricos —como bosques aleatorios o redes neuronales— para modelar tanto el resultado como la probabilidad de tratamiento de primera etapa cerca del punto de corte, reduciendo el sesgo de especificación incorrecta al tiempo que se preserva la identificación causal.