การออกแบบการถดถอยแบบไม่ชัดเจนที่แข็งแกร่ง (Robust Fuzzy Regression Discontinuity Design)
การออกแบบการถดถอยแบบไม่ชัดเจนที่แข็งแกร่ง (Robust Fuzzy Regression Discontinuity Design) ประมาณค่าผลกระทบเฉลี่ยของการรักษาเฉพาะที่ (local average treatment effect - LATE) ณ จุดตัดที่การข้ามจุดตัดนั้นนำไปสู่ — แต่ไม่รับประกัน — การได้รับทรีตเมนต์ การออกแบบนี้ซึ่งนำเสนอโดย Calonico, Cattaneo และ Titiunik (2014) ใช้กรอบการทำงานที่แข็งแกร่งซึ่งประยุกต์ใช้การประมาณค่าพหุนามเฉพาะที่แบบปรับแก้ความเอนเอียง (bias-corrected local polynomial estimation) พร้อมด้วยตัวประมาณค่าความแปรปรวนที่แข็งแกร่ง (robust variance estimator) เพื่อแก้ไขความล้มเหลวของการครอบคลุม (coverage failures) ของการอนุมานที่ปรับตามแบนด์วิดท์ที่เหมาะสมที่สุด (bandwidth-optimal inference) ในทั้งกรณีที่ชัดเจน (sharp) และไม่ชัดเจน (fuzzy)
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
แผนที่ระเบียบวิธี
ย่านของระเบียบวิธีที่เกี่ยวข้องกัน — เลือกโหนดเพื่อสำรวจ
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Robust Bias-Corrected Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/th/causal-inference/robust-fuzzy-regression-discontinuity
ระเบียบวิธีใด?
วางระเบียบวิธีนี้เคียงข้างระเบียบวิธีใกล้เคียงที่สุด แล้วอ่านเปรียบเทียบกัน — คลังวางหนังสือไว้บนโต๊ะให้แล้ว ส่วนการเลือกเป็นของท่าน
- Difference-in-Differences (DiD)เศรษฐมิติ↔ เปรียบเทียบ
- การออกแบบการถดถอยแบบไม่ต่อเนื่องแบบฟัซซีการอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- วิธีการตัวแปรเครื่องมือ (IV) สำหรับการอนุมานเชิงสาเหตุเศรษฐศาสตร์สุขภาพ↔ เปรียบเทียบ
- ผลกระทบเฉลี่ยเฉพาะที่ของการรักษา (Local Average Treatment Effect - LATE / CACE)การอนุมานเชิงสาเหตุ↔ เปรียบเทียบ
- การจับคู่คะแนนแนวโน้มสถิติการวิจัย↔ เปรียบเทียบ