Regression modelQuasi-experimental / causal inference
ベイジアン回帰不連続デザイン
ベイジアン回帰不連続デザイン（Bayesian RDD）は、古典的なRDフレームワーク（既知の割り当てカットオフにおける局所因果効果を推定する）を、ベイジアン推論エンジン内に埋め込んだものである。カットオフの両側にある回帰関数と処置効果パラメータに事前分布を設定することで、頻度論的なp値を持つ単一の点推定値ではなく、因果推定量に対する完全な事後分布が得られる。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
手法マップ
関連する手法の近傍 — ノードを選択して探索できます。
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/ja/causal-inference/bayesian-regression-discontinuity-design
どの手法を選ぶ？
この手法を最も近い類縁の手法と並べ、両者を見比べてください — ライブラリは本を机の上に並べるだけ。選ぶのはあなたです。
- ベイジアン差分の差 (Bayesian Difference-in-Differences)因果推論↔ 比較
- Fuzzy Regression Discontinuity Design因果推論↔ 比較
- 因果推論のための操作変数（IV）法医療経済学↔ 比較
- 局所的平均処置効果（LATE / CACE）因果推論↔ 比較
- 傾向スコアマッチング研究統計↔ 比較