Metodes pierādījumu reģistrs

Machine Learning-Augmented Fuzzy Regression Discontinuity

ML-augmented fuzzy RDD extends the classical fuzzy regression discontinuity design by replacing parametric polynomial approximations with flexible machine learning estimators. Where standard fuzzy RDD uses IV-style estimation at a threshold with imperfect compliance, the ML-augmented variant leverages nonparametric learners — such as random forests or neural networks — to model both the outcome and the first-stage treatment probability near the cutoff, reducing misspecification bias while preserving causal identification.

Sources recorded, not reviewed

Avota reģistrs

Atsauces kopētas tieši no metodes avota reģistra. Tās nenozīmē nekādu apgalvojumu līmeņa verifikāciju.

Machine Learning-Augmented Fuzzy Regression Discontinuity Design

Taksonomiskās metodes reģistrs · regression-model / causal-inference

Atvērt pilnu metodi

Kurēti apgalvojumi

Apgalvojumi saglabāti pierādījumu reģistrā, katram ar savu novērtējumu.

Vēl nav kurētu apgalvojumu

Šis skatījums neizgudro apgalvojumu novērtējumu, ja reģistrā tā nav.

Saistītās metodes

Ģenerēts no metodes grafika un parādīts kā mašīnas ieteiktas attiecības — netiek izvirzīts neviens pierādījumu apgalvojums.

Same method familyDifference-in-Differencesmachine-suggested · Relational suggestion, not evidence.Same method familyDoubly Robust Estimationmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketFuzzy Regression Discontinuitymachine-suggested · Relational suggestion, not evidence.See alsoInstrumental Variables in Health Researchmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketMachine learning-augmented regression discontinuity designmachine-suggested · Relational suggestion, not evidence.