Discontinuité de Régression Floue Bayésienne
La discontinuité de régression floue bayésienne (Bayesian Fuzzy RD) combine la logique quasi-expérimentale de la conception de la discontinuité de régression floue avec l'inférence bayésienne complète. Elle estime un effet de traitement moyen local à un seuil politique où l'assignation au traitement est probabiliste plutôt que déterministe, en plaçant des distributions a priori sur toutes les inconnues et en récupérant une distribution a posteriori complète de l'effet causal plutôt qu'une seule estimation ponctuelle.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Bayesian Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/fr/causal-inference/bayesian-fuzzy-regression-discontinuity
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Variables Instrumentales Bayésiennes (IV Bayésienne)Inférence causale↔ comparer
- Différence-en-différences (Diff-in-Diff)Économétrie↔ comparer
- Régression par discontinuité floueInférence causale↔ comparer
- Méthode des variables instrumentales (VI) pour l'inférence causaleÉconomie de la santé↔ comparer
- Effet Traitement Moyen Local (ETML / CACE)Inférence causale↔ comparer
Similar methods
Une erreur sur cette page ? Signalez-la ou proposez une correction →