Disegno di Regressione Discontinua Bayesiana
La Regressione Discontinua Bayesiana (Bayesian RDD) incorpora il framework classico dell'RD — che stima un effetto causale locale a un cutoff di assegnazione noto — all'interno di un motore inferenziale Bayesiano. Vengono poste distribuzioni a priori sulle funzioni di regressione su entrambi i lati del cutoff e sul parametro dell'effetto del trattamento, producendo una distribuzione a posteriori completa sull'estimando causale anziché una singola stima puntuale con un p-value frequentista.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/it/causal-inference/bayesian-regression-discontinuity-design
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Bayesian Difference-in-DifferencesInferenza causale↔ confronta
- Regression Discontinuity Design FuzzyInferenza causale↔ confronta
- Metodo delle Variabili Strumentali (IV) per l'Inferenza CausaleEconomia sanitaria↔ confronta
- Effetto Medio Locale del Trattamento (LATE / CACE)Inferenza causale↔ confronta
- Abbinamento del punteggio di propensioneStatistica per la ricerca↔ confronta
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →