ScholarGate
Asisten
Regression modelQuasi-experimental / causal inference

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.

Buka di MethodMindSegeraVideoSegeraUnduh salindia

Baca metode selengkapnya

Khusus anggota

Masuk dengan akun gratis untuk membaca bagian ini.

Masuk

Peta metode

Lingkup metode terkait — pilih sebuah simpul untuk menjelajah.

Sumber

  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

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.

Bandingkan berdampingan
ScholarGateBayesian Regression Discontinuity Design (Bayesian Regression Discontinuity Design). Diakses 2026-06-15 dari https://scholargate.app/id/causal-inference/bayesian-regression-discontinuity-design · Set data: https://doi.org/10.5281/zenodo.20539026