Machine Learning-Augmented Fuzzy Regression Discontinuity Design

In een fuzzy RDD verhoogt het overschrijden van een drempelwaarde (bv. een testscore-afsnijding) scherp de kans op behandeling, maar garandeert deze niet — naleving is imperfect. Klassieke fuzzy RDD gebruikt lokale lineaire regressie aan elke zijde van de afsnijding, uitgaande van een eenvoudige functionele vorm. Echter, wanneer de relatie tussen de uitkomst en de lopende variabele complex is of wanneer veel covariaten van belang zijn, kan die polynomiale aanname schattingen vertekenen. ML-augmentatie vervangt deze parametrische aanpassingen door flexibele leerders die de conditionele verwachtingsoppervlakken aan beide zijden van de drempel beter vastleggen, waardoor alleen de scherpe discontinuïteit overblijft om het lokale gemiddelde behandelingseffect voor compliers te identificeren.