Catatan bukti metode

Machine learning-augmented regression discontinuity design

Machine learning-augmented regression discontinuity design (ML-RDD) combines the sharp identification logic of classical RDD — exploiting a known assignment cutoff in a running variable — with flexible, data-adaptive ML methods for bandwidth selection, conditional mean estimation, and covariate adjustment. The goal is to recover a more accurate and less assumption-laden estimate of the local average treatment effect at the threshold.

Sources recorded, not reviewed

Catatan sumber

Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.

Machine Learning-Augmented Regression Discontinuity Design

Catatan metode taksonomi · regression-model / causal-inference

Buka metode lengkap

Klaim yang dikurasi

Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.

Belum ada klaim yang dikurasi

Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.

Metode terkait

Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.

Taxonomic bucketFuzzy Regression Discontinuitymachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMachine learning-augmented difference-in-differencesmachine-suggested · Relational suggestion, not evidence.See alsoPropensity Score Matchingmachine-suggested · Relational suggestion, not evidence.