Régression par discontinuité floue robuste
La régression par discontinuité floue robuste (Robust Fuzzy Regression Discontinuity Design) estime un effet de traitement moyen local (LATE) à un seuil où le franchissement de la coupure entraîne — sans garantir — la réception du traitement. Introduite par Calonico, Cattaneo et Titiunik (2014), le cadre robuste applique une estimation par polynômes locaux avec correction de biais et un estimateur de variance robuste, corrigeant les défaillances de couverture de l'inférence conventionnelle optimale en largeur de bande dans les cas net (sharp) et flou (fuzzy).
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
- Calonico, S., Cattaneo, M. D., & Titiunik, R. (2014). Robust Nonparametric Confidence Intervals for Regression-Discontinuity Designs. Econometrica, 82(6), 2295-2326. DOI: 10.3982/ECTA11757 ↗
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Robust Bias-Corrected Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/fr/causal-inference/robust-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.
- 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
- Appariement par score de propensionStatistiques de recherche↔ comparer
Similar methods
Une erreur sur cette page ? Signalez-la ou proposez une correction →