ScholarGate
دستیار
Regression modelQuasi-experimental / causal inference

طرح رگرسیون ناپیوستگی قوی

طرح رگرسیون ناپیوستگی (RDD) قوی، طرح رگرسیون ناپیوستگی کلاسیک را با تصحیح اریب و فواصل اطمینان قوی گسترش می‌دهد و به مشکل پوشش ناکافی استنتاج متعارف RDD می‌پردازد. این روش که توسط کالونیکو، کاتانو و تیتونیک (۲۰۱۴) توسعه یافته است، از تخمین چندجمله‌ای موضعی با تخمین نقطه‌ای تصحیح‌شده با اریب و یک جمله واریانس وسیع‌تر که عدم قطعیت اضافه شده را در نظر می‌گیرد، استفاده می‌کند و فواصل اطمینان با پوشش مجانبی صحیح را ارائه می‌دهد.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیدریافت اسلایدها

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

نقشهٔ روش

همسایگی روش‌های مرتبط — برای کاوش، یک گره را برگزینید.

منابع

  1. 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
  2. Cattaneo, M. D., Idrobo, N., & Titiunik, R. (2019). A Practical Introduction to Regression Discontinuity Designs: Foundations. Cambridge University Press. ISBN: 978-1108710206

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Robust Bias-Corrected Regression Discontinuity Design. ScholarGate. https://scholargate.app/fa/causal-inference/robust-regression-discontinuity-design

کدام روش؟

این روش را در کنار نزدیک‌ترین روش‌های خویشاوندش بگذارید و آن‌ها را کنار هم بخوانید — کتابخانه کتاب‌ها را روی میز می‌گشاید؛ انتخاب با شماست.

مقایسهٔ کنار هم
ScholarGateRobust Regression Discontinuity Design (Robust Bias-Corrected Regression Discontinuity Design). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/causal-inference/robust-regression-discontinuity-design · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026