เปรียบเทียบวิธี
ดูวิธีที่เลือกเทียบกันแบบเคียงข้าง แถวที่ต่างกันจะถูกเน้นไว้
| Dynamic Fuzzy Regression Discontinuity× | ไดนามิก ดิฟ-อิน-ดิฟ (Dynamic Difference-in-Differences)× | |
|---|---|---|
| สาขาวิชา | การอนุมานเชิงสาเหตุ | การอนุมานเชิงสาเหตุ |
| ตระกูล | Regression model | Regression model |
| ปีกำเนิด≠ | 2001-2010 | 2021 |
| ผู้ริเริ่ม≠ | Cellini, Ferreira & Rothstein (dynamic RDD, 2010); Hahn, Todd & Van der Klaauw (fuzzy RDD foundations, 2001) | Callaway & Sant'Anna; Sun & Abraham |
| ประเภท≠ | Quasi-experimental causal inference | Causal inference / quasi-experimental |
| แหล่งต้นตำรับ≠ | Imbens, G. W., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. Journal of Econometrics, 142(2), 615-635. DOI ↗ | Callaway, B., & Sant'Anna, P. H. C. (2021). Difference-in-differences with multiple time periods. Journal of Econometrics, 225(2), 200-230. DOI ↗ |
| ชื่อเรียกอื่น | Dynamic Fuzzy RDD, DFRD, Time-varying Fuzzy RD, Dynamic Fuzzy RD Design | Dynamic DiD, Staggered DiD, Event-time DiD, Heterogeneous-timing DiD |
| ที่เกี่ยวข้อง | 4 | 4 |
| สรุป≠ | Dynamic Fuzzy Regression Discontinuity Design extends the standard fuzzy RDD to a panel or multi-period setting, allowing researchers to estimate how the causal effect of a probabilistic threshold-based treatment evolves over time. By combining an IV-based fuzzy first stage with time-indexed outcomes, it traces treatment effects across multiple post-treatment periods, not just at a single cross-sectional snapshot. | Dynamic Difference-in-Differences extends the classic DiD framework to settings where units adopt treatment at different times. Rather than collapsing all variation into a single 2x2 comparison, it estimates group-time average treatment effects for each adoption cohort at each calendar period, then aggregates them into interpretable summaries of the causal effect over event time. |
| ScholarGateชุดข้อมูล ↗ |
|
|