İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Nedensel çıkarım›Panel Veri Bulanık Regresyon Süreksizlik Tasarımı
Regression modelQuasi-experimental / causal inference

Panel Veri Bulanık Regresyon Süreksizlik Tasarımı

Panel Data Fuzzy Regression Discontinuity Design · Ayrıca şöyle bilinir: Panel Fuzzy RDD, Panel FRD, Fuzzy RD with Panel Data, Panel Fuzzy RD

Panel Veri Bulanık Regresyon Süreksizlik Tasarımı (Panel FRD), bulanık RDD çerçevesini, birim başına zaman içinde birden fazla gözlemin mevcut olduğu ortamlara genişletir. Tekrarlanan ölçümler bağlamında tanımlamayı keskinleştirerek, birim düzeyinde ve zaman düzeyinde sabit etkileri kontrol ederken yerel bir ortalama işlem etkisi (LATE) belirlemek için deterministik olmayan, olasılıksal bir eşik geçme kuralından yararlanır.

ScholarGate
  1. Regression model
  2. v1
  3. 2 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Panel Veri Bulanık Regresyon Süreksizlik Tasarımı
Farkların Farkı (Diff-in…Bulanık Regresyon Süreks…Nedensel Çıkarım için En…Panel Veri Ara Değişkenl…Panel Veri Regresyon Kes…

Ne zaman kullanılır

Panel FRD'yi şu durumlarda kullanın: (a) işlem ataması bilinen bir kesme noktasına sahip bir puan veya endeks tarafından yönetilir ancak uyum kusurludur, (b) aynı birimlerin birden çok dönem boyunca gözlemlendiği panel verileriniz vardır — bu da birim ve zaman sabit etkilerine izin verir ve (c) çalışma değişkeni sürekli olup kesme noktasında sistematik manipülasyon kanıtı yoktur. Özellikle saf keskin bir RDD'nin olası olmadığı, kurumsal veya davranışsal faktörlerin eksik alıma yol açtığı durumlarda değerlidir. Uyumun etkin bir şekilde tamamlandığı (keskin RDD yeterlidir), çalışma değişkeninin kesme noktası yakınında yoğunluk olmadan ayrık olduğu, bant genişliği içindeki örneklemin IV tahminini sürdüremeyecek kadar küçük olduğu veya panelin çok kısa (üçten az dönem) olduğu ve sabit etki temizleme kazancının az olduğu durumlarda kullanmayın.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Bulanık RDD'nin yerel tanımlamasını, panel analizinin birim ve zaman sabit etki kontrolleriyle birleştirerek, kararlı birim özelliklerinden kaynaklanan dışlanmış değişken yanlılığını azaltır.
  • Eşik geçme kuralı, makul derecede dışsal olan güvenilir bir araç değişkeni sağlar, bu da düz çalışma değişkeni kontrollerine koşulludur.
  • Birden çok dönem, kesme noktası yakınındaki gözlem sayısını artırarak ilk aşama ve LATE tahminlerinin hassasiyetini artırır.
  • LATE iyi tanımlanmış ve politika açısından önemlidir: özellikle uyum sağlayanlara — işlem durumları eşik tarafından fiilen değiştirilen birimlere — uygulanır.
  • Geçerlilik, yerleşik teşhis araçları aracılığıyla değerlendirilebilir: yoğunluk testleri, kesme noktasındaki kovaryat denge kontrolleri ve plasebo sonuçları.
Sınırlılıklar
  • Tahminler yereldir: LATE yalnızca kesme noktası yakınındaki uyum sağlayanlara uygulanır ve daha geniş popülasyona genellenmeyebilir.
  • Her dönemde kesme noktası yakınında yeterince büyük ve yoğun bir örneklem gerektirir; marjdaki seyrek veri, IV'yi zayıflatır.
  • Ajanların kesme noktasını öngörerek çalışma değişkenini manipüle etmediğini varsayar — ihlaller (örneğin, stratejik puanlama) tasarımı geçersiz kılar.
  • Panel sabit etkileri, kesme noktasının ve uyum yapısının dönemler boyunca kararlı kalmasını gerektirir; atama kuralındaki yapısal kırılmalar tanımlamayı zayıflatır.
  • İki aşamalı tahmin, ilk aşama belirsizliğini yayar; zayıf bir ilk aşama (F < 10), IV yanlılığını artırır ve özel zayıf araç çıkarımı gerektirir.

SSS

Panel FRD standart bir bulanık RDD'den nasıl farklıdır?

Standart bir bulanık RDD tipik olarak kesitsel olarak veya kesitleri birim sabit etkileri olmadan havuzlayarak tahmin edilir. Panel FRD, birimler arasındaki kalıcı farklılıkları ve toplu dönem şoklarını emmek için birim düzeyinde ve zaman düzeyinde sabit etkiler ekleyerek, dışlanmış değişken yanlılığını azaltır ve aynı birimler tekrar tekrar gözlemlendiğinde hassasiyeti artırır.

Uyumu 'keskin' yerine 'bulanık' yapan nedir?

Kesme noktasını geçmek işlem olasılığını artırdığında ancak garanti etmediğinde — kesme noktasının üzerindeki bazı birimler işlem görmez (uyum sağlamayanlar) ve kesme noktasının altındaki bazı birimler işlem görür (karşı çıkanlar veya her zaman alanlar) — uyum bulanıktır. Wald/2SLS oranı, uyum sağlayanlar üzerindeki etkiyi geri kazanmak için bu kusurlu uyumu düzeltir.

Panel ortamında bant genişliğini nasıl seçerim?

Panel veri bağlamında hesaplanan Calonico-Cattaneo-Titiunik (CCT) optimal bant genişliği gibi standart veri güdümlü bant genişliği seçicilerini uygulayın. Bir sağlamlık kontrolü olarak bir dizi bant genişliği boyunca sonuçları sunun; tahmin makul bant genişliği seçimleri boyunca kararlı olmalıdır.

Zamana bağlı çalışma değişkenleri kullanabilir miyim?

Evet — çalışma değişkeni aynı birim için dönemler boyunca değişiyorsa, kesme noktası yakınında daha fazla varyasyona sahip olursunuz, bu da yardımcı olur. Ancak, birimler eşiği geçmek için çalışma değişkeni değerlerini zaman içinde stratejik olarak ayarlarlarsa, manipülasyon endişeleri daha da artar ve dikkatlice test edilmelidir.

İlk aşamam zayıfsa ne olur?

10'un altındaki bir ilk aşama F istatistiği zayıf bir aracı işaret eder. Anderson-Rubin güven aralığını veya diğer zayıf araçlara dayanıklı istatistikleri bildirin. Bant genişliğinin çok dar olup olmadığını (çok az uyum sağlayan) veya popülasyondaki uyumun gerçekten çok düşük olup olmadığını göz önünde bulundurun, bu durumda tasarım yürürlükte olmayabilir.

Kaynaklar

  1. 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. DOI: 10.1111/1468-0262.00183 ↗
  2. Lee, D. S., & Lemieux, T. (2010). Regression Discontinuity Designs in Economics. Journal of Economic Literature, 48(2), 281-355. DOI: 10.1257/jel.48.2.281 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 3). Panel Data Fuzzy Regression Discontinuity Design. ScholarGate. https://scholargate.app/tr/causal-inference/panel-data-fuzzy-regression-discontinuity

İlişkili yöntemler

Farkların Farkı (Diff-in-Diff)Bulanık Regresyon Süreksizlik TasarımıNedensel Çıkarım için Enstrümantal Değişkenler (IV) YöntemiPanel Veri Ara Değişkenleri (Panel IV / 2SLS)Panel Veri Regresyon Kesme Tasarımı

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • Farkların Farkı (Diff-in-Diff)Ekonometri↔ karşılaştır
  • Bulanık Regresyon Süreksizlik TasarımıNedensel çıkarım↔ karşılaştır
  • Nedensel Çıkarım için Enstrümantal Değişkenler (IV) YöntemiSağlık ekonomisi↔ karşılaştır
  • Panel Veri Ara Değişkenleri (Panel IV / 2SLS)Nedensel çıkarım↔ karşılaştır
  • Panel Veri Regresyon Kesme TasarımıNedensel çıkarım↔ karşılaştır
Yan yana karşılaştır →

Benzer yöntemler

Panel Veri Regresyon Kesme TasarımıÇok Dönemli Bulanık Regresyon Kesintisi TasarımıDinamik Bulanık Regresyon Kesintisi TasarımıBulanık Regresyon Süreksizlik TasarımıBulanık Kesintili Regresyon Yöntemi ile Politika DeğerlendirmesiHeterojen Tedavi Etkisi Bulanık Regresyon Kesme TasarımıSağlam Bulanık Regresyon Kesilme TasarımıÇok Dönemli Regresyon Süreksizlik Tasarımı

İlgili referans kavramlar

Yarı Deneysel ve Doğal Deney TasarımıTek Denklemli Modeller • Tek DeğişkenlerInstrumental Variables (IV) EstimationInstrumental Variables (IV) EstimationDoğal DeneyÇok Denklemli veya Eş Anlı Denklem Modelleri • Çok Değişkenler

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Panel Data Fuzzy Regression Discontinuity (Panel Data Fuzzy Regression Discontinuity Design). 2026-07-21 tarihinde şu adresten erişildi: https://scholargate.app/tr/causal-inference/panel-data-fuzzy-regression-discontinuity · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Hahn, Todd & Van der Klaauw; extended to panel settings by Papay, Willett & Murnane and others
Year
2001 (fuzzy RDD); panel extension circa 2011
Type
Quasi-experimental causal inference
DataType
Panel data (repeated observations per unit) with a continuous running variable and a probabilistic treatment rule
Subfamily
Quasi-experimental / causal inference
İlişkili yöntemler
Farkların Farkı (Diff-in-Diff)Bulanık Regresyon Süreksizlik TasarımıNedensel Çıkarım için Enstrümantal Değişkenler (IV) YöntemiPanel Veri Ara Değişkenleri (Panel IV / 2SLS)Panel Veri Regresyon Kesme Tasarımı
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil