การออกแบบการถดถอยแบบเบย์เซียนที่จุดตัด (Bayesian Regression Discontinuity Design)
การออกแบบการถดถอยแบบเบย์เซียนที่จุดตัด (Bayesian RDD) ได้รวมกรอบการทำงานของ RD แบบดั้งเดิม ซึ่งเป็นการประมาณผลกระทบเชิงสาเหตุเฉพาะที่ ณ จุดตัดของการกำหนดค่าที่ทราบ เข้าไว้ในกลไกการอนุมานแบบเบย์เซียน การกำหนดการแจกแจงก่อน (prior distributions) ให้กับฟังก์ชันการถดถอยทั้งสองด้านของจุดตัดและพารามิเตอร์ผลกระทบจากการรักษา ทำให้ได้การแจกแจงภายหลัง (posterior distribution) ที่สมบูรณ์สำหรับค่าประมาณเชิงสาเหตุ แทนที่จะเป็นค่าประมาณจุดเดียวพร้อมกับค่า p-value แบบ frequentist
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/th/causal-inference/bayesian-regression-discontinuity-design
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Bayesian Difference-in-Differencesการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การออกแบบการถดถอยแบบไม่ต่อเนื่องแบบฟัซซีการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- วิธีการตัวแปรเครื่องมือ (IV) สำหรับการอนุมานเชิงสาเหตุเศรษฐศาสตร์สุขภาพ↔ เปรียบเทียบ
- ผลกระทบเฉลี่ยเฉพาะที่ของการรักษา (Local Average Treatment Effect - LATE / CACE)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ