เปรียบเทียบวิธี

	การออกแบบการถดถอยแบบตัดขาดที่แข็งแกร่ง	วิธีการตัวแปรเครื่องมือ (IV) สำหรับการอนุมานเชิงสาเหตุ
สาขาวิชา	การอนุมานเชิงสาเหตุ	เศรษฐศาสตร์สุขภาพ
ตระกูล	Regression model	Process / pipeline
ปีกำเนิด	2014	1990s (modern applications)
ผู้ริเริ่ม	Calonico, Cattaneo & Titiunik	Angrist & Pischke (applied econometrics); rooted in econometric theory
ประเภท	Quasi-experimental causal inference	Method
แหล่งต้นตำรับ	Calonico, S., Cattaneo, M. D., & Titiunik, R. (2014). Robust Nonparametric Confidence Intervals for Regression-Discontinuity Designs. Econometrica, 82(6), 2295-2326.	Angrist, J. D., & Pischke, J. S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton: Princeton University Press.
ชื่อเรียกอื่น	Robust RDD, Bias-corrected RDD, CCT estimator, rdrobust	IV, two-stage least squares, TSLS, causal estimation
ที่เกี่ยวข้อง	4	3
สรุป	Robust RDD extends the classical regression discontinuity design with bias correction and robust confidence intervals, addressing the under-coverage problem of conventional RDD inference. Developed by Calonico, Cattaneo, and Titiunik (2014), it uses local polynomial estimation with a bias-corrected point estimate and a wider variance term that accounts for the added uncertainty, yielding confidence intervals with correct asymptotic coverage.	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.