Desain Regresi Pिडिओt Diskontinuitas Kabur yang Diperkuat Pembelajaran Mesin

RDD kabur yang diperkuat ML memperluas desain regresi diskontinuitas kabur klasik dengan mengganti aproksimasi polinomial parametrik dengan estimator pembelajaran mesin yang fleksibel. Di mana RDD kabur standar menggunakan estimasi gaya-IV pada ambang batas dengan kepatuhan yang tidak sempurna, varian yang diperkuat ML memanfaatkan pembelajar nonparametrik — seperti hutan acak atau jaringan saraf — untuk memodelkan probabilitas perlakuan tahap pertama dan hasil di dekat batas potong, mengurangi bias salah spesifikasi sambil mempertahankan identifikasi kausal.