Muundo wa Regression Discontinuity ulioimarishwa na Machine Learning
Muundo wa regression discontinuity ulioimarishwa na machine learning (ML-RDD) unachanganya mantiki ya utambulisho mkali wa RDD ya kawaida — kutumia kikomo cha mgawo kinachojulikana katika kigezo kinachoendeshwa — na mbinu rahisi, zinazoweza kurekebishwa na data za ML kwa uteuzi wa upana wa kipimo, makadirio ya wastani wa masharti, na marekebisho ya vigezo. Lengo ni kurejesha makadirio sahihi zaidi na yenye dhana chache za athari ya wastani ya matibabu ya ndani kwenye kizingiti.
Soma mbinu kamili
Ingia kwa akaunti ya bure ili kusoma sehemu hii.
Ramani ya mbinu
Jirani ya mbinu zinazohusiana — chagua nodi ili kuchunguza.
Vyanzo
- Calonico, S., Cattaneo, M. D., & Farrell, M. H. (2019). Optimal mean squared error bandwidth selection for regression discontinuity designs. Bernoulli, 25(4A), 2703-2729. link ↗
- Imbens, G., & Wager, S. (2019). Optimized regression discontinuity designs. Review of Economics and Statistics, 101(2), 264-278. DOI: 10.1162/rest_a_00793 ↗
Jinsi ya kunukuu ukurasa huu
ScholarGate. (2026, June 3). Machine Learning-Augmented Regression Discontinuity Design. ScholarGate. https://scholargate.app/sw/causal-inference/machine-learning-augmented-regression-discontinuity-design
Mbinu ipi?
Weka mbinu hii kando ya jamaa zake wa karibu na uzisome bega kwa bega — maktaba huweka vitabu mezani; uamuzi ni wako.
- Fuzzy Regression DiscontinuityUhitimisho wa Kisababishi↔ linganisha
- Tofauti-ndani-ya-Tofauti (DiD) Iliyoimarishwa na Mashine ya Kujifunza (ML-DiD)Uhitimisho wa Kisababishi↔ linganisha
- Ulinganishaji wa Alama ya MwelekeoTakwimu za Utafiti↔ linganisha
Imerejelewa na
Umeona tatizo kwenye ukurasa huu? Ripoti au pendekeza marekebisho →