ScholarGate
Avustaja
Regression modelQuasi-experimental / causal inference

Fuzzy Regression Discontinuity Design

Fuzzy RDD (Fuzzy Regression Discontinuity Design) estimoi kausaalisia vaikutuksia silloin, kun hoidon (treatment) saatavuus määräytyy jatkuvan muuttujan kynnysarvon perusteella, mutta hoidon todellinen käyttö on epätäydellistä – jotkut kelvolliset yksiköt eivät saa hoitoa ja jotkut kelvottomat yksiköt saavat sen. Kynnysarvo toimii instrumenttina, ja estimoitava suure on paikallinen keskimääräinen hoitovaikutus (LATE, Local Average Treatment Effect) kynnysarvon lähellä oleville noudattajille (compliers).

Avaa sovelluksessa MethodMindTulossaVideoTulossaLataa diat

Lue koko menetelmä

Vain jäsenille

Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.

Kirjaudu sisään

Menetelmäkartta

Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.

+13 lisää

Lähteet

  1. Hahn, J., Todd, P., & van der Klaauw, W. (2001). Identification and Estimation of Treatment Effects with a Regression-Discontinuity Design. Review of Economic Studies, 68(1), 201-209. DOI: 10.1111/1468-0262.00183
  2. Imbens, G. W., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. Journal of Econometrics, 142(2), 615-635. DOI: 10.1016/j.jeconom.2007.05.001

Näin viittaat tähän sivuun

ScholarGate. (2026, June 3). Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/fi/causal-inference/fuzzy-regression-discontinuity

Mikä menetelmä?

Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.

Vertaa rinnakkain

Tähän viittaavat

ScholarGateFuzzy Regression Discontinuity (Fuzzy Regression Discontinuity Design). Haettu 2026-06-15 osoitteesta https://scholargate.app/fi/causal-inference/fuzzy-regression-discontinuity · Aineisto: https://doi.org/10.5281/zenodo.20539026