Modèle bayésien de discontinuité par régression
Le modèle bayésien de discontinuité par régression (Bayesian RDD) intègre le cadre classique de la discontinuité par régression — qui estime un effet causal local à un seuil d'assignation connu — dans un moteur d'inférence bayésien. Des distributions a priori sont placées sur les fonctions de régression de chaque côté du seuil et sur le paramètre d'effet du traitement, produisant une distribution a posteriori complète sur l'estimand causal plutôt qu'une estimation ponctuelle unique avec une p-valeur fréquentiste.
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
- Karabatsos, G., & Walker, S. G. (2004). Coherent inference in regression discontinuity designs with a Bayesian nonparametric approach. Journal of the American Statistical Association, 99(468), 1121-1131. link ↗
- 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 Regression Discontinuity Design. ScholarGate. https://scholargate.app/fr/causal-inference/bayesian-regression-discontinuity-design
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.
- Différences-en-différences bayésiennesInférence causale↔ 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
- Appariement par score de propensionStatistiques de recherche↔ comparer
Une erreur sur cette page ? Signalez-la ou proposez une correction →