ScholarGate
Assistente
Regression modelQuasi-experimental / causal inference

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.

Abrir no MethodMindEm breveVídeoEm breveBaixar slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Mapa de métodos

A vizinhança de métodos relacionados — selecione um nó para explorar.

Fontes

  1. 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
  2. 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.

Comparar lado a lado
ScholarGateBayesian Regression Discontinuity Design (Bayesian Regression Discontinuity Design). Recuperado em 2026-06-15 de https://scholargate.app/pt/causal-inference/bayesian-regression-discontinuity-design · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026