ScholarGate
Assistant
Regression modelQuasi-experimental / causal inference

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.

Ouvrir dans MethodMindBientôtVidéoBientôtTélécharger les diapositives

Lire la méthode complète

Réservé aux membres

Connectez-vous avec un compte gratuit pour lire cette section.

Se connecter

Carte des méthodes

Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.

Sources

  1. 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
  2. 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.

Comparer côte à côte
ScholarGateBayesian Regression Discontinuity Design (Bayesian Regression Discontinuity Design). Consulté le 2026-06-15 sur https://scholargate.app/fr/causal-inference/bayesian-regression-discontinuity-design · Jeu de données : https://doi.org/10.5281/zenodo.20539026