เปรียบเทียบวิธี

	การถดถอยแบบเบย์เซียนฟัซซีที่จุดเปลี่ยน (Bayesian Fuzzy Regression Discontinuity)	การออกแบบการถดถอยแบบไม่ต่อเนื่องแบบฟัซซี
สาขาวิชา	การอนุมานเชิงสาเหตุ	การอนุมานเชิงสาเหตุ
ตระกูล	Regression model	Regression model
ปีกำเนิด	2001 (fuzzy RD identification); 2016 (Bayesian formulation by Chib & Jacobi)	2001
ผู้ริเริ่ม	Chib & Jacobi (Bayesian formulation); Hahn, Todd & Van der Klaauw (fuzzy RD identification)	Hahn, Todd & van der Klaauw
ประเภท	Bayesian causal inference / quasi-experimental design	Quasi-experimental causal inference
แหล่งต้นตำรับ	Hahn, J., Todd, P., & Van der Klaauw, W. (2001). Identification and Estimation of Treatment Effects with a Regression-Discontinuity Design. Review of Economic Studies, 68(1), 201-209.	Hahn, J., Todd, P., & van der Klaauw, W. (2001). Identification and Estimation of Treatment Effects with a Regression-Discontinuity Design. Review of Economic Studies, 68(1), 201-209.
ชื่อเรียกอื่น	Bayesian Fuzzy RD, Bayesian Fuzzy RDD, Fuzzy RD with Bayesian Inference	Fuzzy RD, Fuzzy RDD, Fuzzy RD Design, Imperfect RDD
ที่เกี่ยวข้อง	5	5
สรุป	Bayesian Fuzzy Regression Discontinuity (Bayesian Fuzzy RD) combines the quasi-experimental logic of fuzzy regression discontinuity design with full Bayesian inference. It estimates a local average treatment effect at a policy threshold where treatment assignment is probabilistic rather than deterministic, placing prior distributions over all unknowns and recovering a complete posterior distribution of the causal effect rather than a single point estimate.	Fuzzy Regression Discontinuity Design (Fuzzy RDD) estimates causal effects when eligibility for a treatment is determined by a threshold on a running variable but actual take-up of that treatment is imperfect — some eligible units do not receive treatment and some ineligible units do. The cutoff acts as an instrument, and the estimand is a Local Average Treatment Effect (LATE) for compliers near the threshold.