Regressiokihartumismenetelmä (RKD)
Regressiokihartumismenetelmä (Regression Kink Design, RKD) on kvasi-kokeellinen menetelmä, jolla arvioidaan kausaalista vaikutusta, kun sääntö luo muutoksen kaltevuuteen (kihartuman) – pikemminkin kuin hypyn – tunnetun raja-arvon kohdalla juoksevassa muuttujassa. Sen formalisoivat yleistettynä mallina Card, Lee, Pei ja Weber (2015), ja se on regressiohylkäysmenetelmän (regression discontinuity design, RDD) kaltevuuspohjainen vastine.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Menetelmäkartta
Lähimenetelmien naapurusto — valitse solmu tutkiaksesi.
Lähteet
- Card, D., Lee, D. S., Pei, Z. & Weber, A. (2015). Inference on Causal Effects in a Generalized Regression Kink Design. Econometrica, 83(6), 2453-2483. DOI: 10.3982/ECTA11224 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 1). Generalized Regression Kink Design (RKD). ScholarGate. https://scholargate.app/fi/causal-inference/regression-kink-design
Mikä menetelmä?
Aseta tämä menetelmä lähimpien sukulaistensa rinnalle ja lue niitä yhdessä — kirjasto asettaa teokset pöydälle; valinta on sinun.
- Erojen erot (Diff-in-Diff)Ekonometria↔ vertaa
- Instrumentaalimuuttujamenetelmä (IV) kausaalisen päättelyn menetelmänäTerveystaloustiede↔ vertaa
- OLS-regressio (Ordinary Least Squares)Ekonometria↔ vertaa
- Regressioepäjatkuvuussuunnittelu (RDD)Kausaalipäättely↔ vertaa
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →