Desenho Bayesiano de Regressão por Descontinuidade
O Desenho Bayesiano de Regressão por Descontinuidade (Bayesian RDD) incorpora o framework clássico de RD — que estima um efeito causal local em um ponto de corte de atribuição conhecido — dentro de um motor de inferência Bayesiano. Distribuições a priori são colocadas sobre as funções de regressão em ambos os lados do ponto de corte e sobre o parâmetro do efeito do tratamento, resultando em uma distribuição a posteriori completa sobre o estimando causal, em vez de uma única estimativa pontual com um valor-p frequentista.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Mapa de métodos
A vizinhança de métodos relacionados — selecione um nó para explorar.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/pt/causal-inference/bayesian-regression-discontinuity-design
Qual método?
Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.
- Bayesian Difference-in-DifferencesInferência causal↔ comparar
- Delineamento de Regressão com Descontinuidade FuzzyInferência causal↔ comparar
- Método de Variáveis Instrumentais (VI) para Inferência CausalEconomia da saúde↔ comparar
- Efeito do Tratamento Médio Local (LATE / CACE)Inferência causal↔ comparar
- Propensity Score MatchingEstatística para pesquisa↔ comparar
Encontrou um problema nesta página? Relate ou sugira uma correção →