Desain Regresi Diskontinuitas Bayesian
Desain Regresi Diskontinuitas Bayesian (Bayesian RDD) menyematkan kerangka kerja RD klasik — yang memperkirakan efek kausal lokal pada ambang batas penugasan yang diketahui — dalam mesin inferensi Bayesian. Distribusi prior ditempatkan pada fungsi regresi di kedua sisi ambang batas dan pada parameter efek perlakuan, menghasilkan distribusi posterior penuh atas estimand kausal daripada satu estimasi titik dengan nilai-p frequentist.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Peta metode
Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/id/causal-inference/bayesian-regression-discontinuity-design
Metode yang mana?
Letakkan metode ini berdampingan dengan kerabat terdekatnya dan baca secara bersisian — pustaka menata bukunya di atas meja; pilihan ada di tangan Anda.
- Perbedaan-dalam-Perbedaan BayesianInferensi Kausal↔ bandingkan
- Desain Regresi Patah Discontinu FuzzyInferensi Kausal↔ bandingkan
- Metode Variabel Instrumental (IV) untuk Inferensi KausalEkonomi Kesehatan↔ bandingkan
- Efek Perlakuan Rata-rata Lokal (LATE / CACE)Inferensi Kausal↔ bandingkan
- Pencocokan Skor PropensitasStatistika Penelitian↔ bandingkan
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →