เปรียบเทียบวิธี

	การออกแบบการถดถอยแบบไม่ต่อเนื่องแบบฟัซซี	วิธีการตัวแปรเครื่องมือ (IV) สำหรับการอนุมานเชิงสาเหตุ
สาขาวิชา	การอนุมานเชิงสาเหตุ	เศรษฐศาสตร์สุขภาพ
ตระกูล	Regression model	Process / pipeline
ปีกำเนิด	2001	1990s (modern applications)
ผู้ริเริ่ม	Hahn, Todd & van der Klaauw	Angrist & Pischke (applied econometrics); rooted in econometric theory
ประเภท	Quasi-experimental causal inference	Method
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.	Angrist, J. D., & Pischke, J. S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton: Princeton University Press.
ชื่อเรียกอื่น	Fuzzy RD, Fuzzy RDD, Fuzzy RD Design, Imperfect RDD	IV, two-stage least squares, TSLS, causal estimation
ที่เกี่ยวข้อง	5	3
สรุป	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.	Instrumental variables (IV) is an econometric method to estimate causal effects when treatment or exposure is not randomly assigned and confounding is severe or unmeasured. IV relies on a third variable (instrument) that influences treatment but does not directly affect the outcome, allowing researchers to isolate the causal effect from the noise of confounding. Developed extensively in econometrics (Angrist & Pischke, 1990s–2000s), IV methods are increasingly used in health economics and health services research to leverage natural experiments and policy changes.