Bayesian Regressie-Discontinuïteitsontwerp
Bayesian Regressie-Discontinuïteitsontwerp (Bayesian RDD) integreert het klassieke RD-raamwerk — dat een lokaal causaal effect schat bij een bekende toewijzingsafsnijding — binnen een Bayesiaanse inferentiemotor. Prior-verdelingen worden geplaatst op de regressiefuncties aan weerszijden van de afsnijding en op de parameter van het behandelingseffect, wat resulteert in een volledige posterieure verdeling over de causale schatter in plaats van een enkel puntschatting met een frequentistische p-waarde.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Methodenkaart
De omgeving van verwante methoden — selecteer een knooppunt om te verkennen.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/nl/causal-inference/bayesian-regression-discontinuity-design
Welke methode?
Plaats deze methode naast haar naaste verwanten en lees ze naast elkaar — de bibliotheek legt de boeken op tafel; de keuze is aan u.
- Bayesiaanse Verschil-in-VerschillenCausale inferentie↔ vergelijken
- Fuzzy Regression Discontinuity DesignCausale inferentie↔ vergelijken
- Instrumentele Variabelen (IV) Methode voor Causale InferentieGezondheidseconomie↔ vergelijken
- Lokale Gemiddelde Behandelingsuitkomst (LATE / CACE)Causale inferentie↔ vergelijken
- Propensity Score MatchingOnderzoeksstatistiek↔ vergelijken
Een fout op deze pagina gezien? Meld het of stel een correctie voor →