Robust Fuzzy Regression Discontinuity Design
Robust Fuzzy Regression Discontinuity Design estimerar en lokal genomsnittlig behandlingseffekt (LATE) vid en tröskel där passage av gränsen leder till – men inte garanterar – mottagande av behandling. Den robusta ramen, introducerad av Calonico, Cattaneo och Titiunik (2014), tillämpar bias-korrigerad lokal polynomanalys med en robust variansestimator, vilket korrigerar för täckningsfel i konventionell bandbredds-optimal inferens i både skarpa och fuzzy-fall.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- Calonico, S., Cattaneo, M. D., & Titiunik, R. (2014). Robust Nonparametric Confidence Intervals for Regression-Discontinuity Designs. Econometrica, 82(6), 2295-2326. DOI: 10.3982/ECTA11757 ↗
- Imbens, G. W., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. Journal of Econometrics, 142(2), 615-635. DOI: 10.1016/j.jeconom.2007.05.001 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Bias-Corrected Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/sv/causal-inference/robust-fuzzy-regression-discontinuity
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- Differens-i-differens (DiD)Ekonometri↔ jämför
- Fuzzy regressionsdiskontinuitetsdesignKausal inferens↔ jämför
- Instrumentvariabelmetoden (IV) för kausal inferensHälsoekonomi↔ jämför
- Lokal genomsnittlig behandlingseffekt (LATE / CACE)Kausal inferens↔ jämför
- Propensity score-matchningForskningsstatistik↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →