Robust Regression Discontinuity Design
Robust RDD utökar den klassiska regressionsdiskontinuitetsdesignen (RDD) med bias-korrigering och robusta konfidensintervall, vilket adresserar problem med underäckning vid konventionell RDD-inferens. Metoden, utvecklad av Calonico, Cattaneo och Titiunik (2014), använder lokal polynomeuppskattning med ett bias-korrigerat punktestimat och en bredare variansterm som tar hänsyn till den ökade osäkerheten, vilket ger konfidensintervall med korrekt asymptotisk täckning.
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 ↗
- Cattaneo, M. D., Idrobo, N., & Titiunik, R. (2019). A Practical Introduction to Regression Discontinuity Designs: Foundations. Cambridge University Press. ISBN: 978-1108710206
Så citerar du den här sidan
ScholarGate. (2026, June 3). Robust Bias-Corrected Regression Discontinuity Design. ScholarGate. https://scholargate.app/sv/causal-inference/robust-regression-discontinuity-design
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
- Propensity score-matchningForskningsstatistik↔ jämför
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →