機械学習拡張ファジー回帰不連続デザイン

ML拡張ファジーRDDは、パラメトリックな多項式近似を柔軟な機械学習推定量に置き換えることで、古典的なファジー回帰不連続デザインを拡張するものである。標準的なファジーRDDが不完全なコンプライアンス下で閾値におけるIV（操作変数）スタイルの推定を用いるのに対し、ML拡張バリアントは、ランダムフォレストやニューラルネットワークなどのノンパラメトリック学習器を活用して、カットオフ近傍におけるアウトカムと第一段階の処置確率の両方をモデル化し、ミスの特定バイアスを低減しつつ因果特定性を維持する。