Bulanık Kesintili Regresyon Yöntemi ile Politika Değerlendirmesi
Fuzzy Regression Discontinuity Design for Policy Evaluation · Ayrıca şöyle bilinir: Fuzzy RDD, Fuzzy RD, Fuzzy Regression Discontinuity, Imperfect Compliance RDD
Bulanık Kesintili Regresyon Tasarımı (Bulanık KRT), uygunluğun sürekli bir puana göre bir eşiği geçmekle belirlendiği ancak fiili katılımın veya uyumluluğun kusurlu olduğu durumlarda bir politikanın nedensel etkisini tahmin eder. Hahn, Todd ve Van der Klaauw (2001) tarafından resmi olarak geliştirilen bu yöntem, eşiği, kesme noktası civarındaki uyumlular arasındaki Yerel Ortalama Tedavi Etkisini (YOTE) elde etmek için bir araç değişken olarak kullanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bir politika uygunluğu puan eşiği ile atadığında ve uyumluluk kusurlu olduğunda — uygun birimlerin bir kısmı katılmadığında ve uygun olmayan birimlerin bir kısmı katıldığında — Bulanık KRT kullanın. Yöntem, işleyen değişkenin sürekli olduğu ve hassas bir şekilde manipüle edilmediği ve eşik civarındaki birimlerin rastgele atanmış gibi kabul edilebileceği durumlarda uygundur. Güvenilir yerel tahmin için kesme noktası civarında yeterli gözlem gereklidir. Kusurlu uyumluluğun olmadığı durumlar için uygun değildir (keskin KRT kullanın), işleyen değişkenin kesme noktası civarında az sayıda değeri olan ayrık olduğu durumlar, eşik etrafında açık sıralama kanıtı olduğu durumlar veya makul bir bant genişliği içinde yeterli gücü elde etmek için örneklem çok ince olduğunda kullanılmamalıdır.
Güçlü yönler & sınırlılıklar
- Rastgeleleştirme olmadan nedensel bir etkiyi belirlemek için doğal olarak oluşan bir süreksizlikten yararlanır.
- Politika kararları için en ilgili alt popülasyon olan uyumlular arasındaki YOTE'yi kurtarır — marjinal katılımcılar hakkında.
- Politika uygunluğu ile fiili katılımın farklılaştığı yaygın gerçek dünya durumunu ele alır.
- Şeffaf ve kolayca görselleştirilebilir: kesme noktasındaki bir dağılım grafiği ve yerel polinom uyumu, ana bulguyu sezgisel olarak iletir.
- Ayrı bir popülasyondan işlenmemiş bir karşılaştırma grubu gerektirmez; kontrol grubu yerel olarak işleyen değişken tarafından tanımlanır.
- Yalnızca kesme noktasındaki Yerel Ortalama Tedavi Etkisini tahmin eder; sonuçlar eşikten uzak birimlere genellenmez.
- Kesme noktası civarında yeterli gözlem yoğunluğu gerektirir; eşik civarındaki seyrek veriler geniş güven aralıkları üretir.
- Dışlama kısıtlaması — eşiğin sonuçları yalnızca tedavi alımı yoluyla etkilediği — eşiği geçmenin başka politika tepkilerini tetiklemesi durumunda ihlal edilebilir.
- Bant genişliği seçimi, yanlılık-varyans ödünleşmesini içerir; sonuçlar küçük örneklemlerde bant genişliği seçimine duyarlı olabilir.
- Zayıf bir ilk aşama (alım olasılığında küçük sıçrama), belirsiz ve potansiyel olarak yanlı YOTE tahminlerine yol açar.
SSS
Keskin ve bulanık KRT arasındaki fark nedir?
Keskin bir KRT'de, kesme noktasını geçmek deterministik olarak tedaviyi atar — hepsi altta yatanlar tedavi alır ve hepsi altta yatanlar almaz. Bulanık bir KRT'de, kesme noktasını geçmek tedavi olasılığını değiştirir ancak uyumluluk kusurludur: uygun birimlerin bir kısmı katılmaz ve uygun olmayan birimlerin bir kısmı katılır. Bulanık tasarım, uyumlular arasındaki YOTE'yi tahmin etmek için kesme noktasını bir araç olarak kullanır.
Bulanık KRT tarafından tahmin edilen YOTE neyi temsil eder?
YOTE (Yerel Ortalama Tedavi Etkisi), uyumlular alt grubundaki tedavinin nedensel etkisidir — tedavi durumları uygunluk eşiğini geçip geçmediklerine göre belirlenen birimler. Her zaman alanlar (her zaman katılanlar) veya asla alanlar (hiçbir zaman katılmayanlar) için etkiyi temsil etmez.
İşleyen değişkenin manipülasyonunun bir sorun olup olmadığını nasıl test ederim?
McCrary (2008) yoğunluk testi veya Cattaneo vd. manipülasyon testini çalıştırın. Bunlar, işleyen değişkenin yoğunluğunun kesme noktasında kesintili bir sıçrama gösterip göstermediğini kontrol eder, bu da birimlerin eşik etrafında sıralandığını ve tanımlama varsayımının ihlal edilebileceğini gösterir.
Hangi bant genişliğini kullanmalıyım?
Imbens-Kalyanaraman (IK) veya Calonico-Cattaneo-Titiunik (CCT) optimal bant genişliği gibi veri güdümlü seçiciler, birincil seçim olarak önerilir. Sağlamlığı göstermek için en az iki alternatif bant genişliği (daha dar ve daha geniş) için sonuçları her zaman raporlayın.
Panel verileriyle Bulanık KRT kullanabilir miyim?
Evet. Tekrarlanan gözlemlerle, hassasiyeti artırmak ve daha zengin ön eğilim doğrulaması yapmak için birim sabit etkileri ve birden fazla ön ve sonrası dönem gözlemleri dahil edebilirsiniz. Temel tanımlama mantığı — kesme noktasındaki tedavi olasılığındaki sıçrama — değişmeden kalır.
Kaynaklar
- 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 ↗
- Imbens, G. W., & Lemieux, T. (2008). Regression discontinuity designs: A guide to practice. Journal of Econometrics, 142(2), 615-635. DOI: 10.1016/j.jeconom.2007.05.001 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Fuzzy Regression Discontinuity Design for Policy Evaluation. ScholarGate. https://scholargate.app/tr/causal-inference/policy-evaluation-fuzzy-regression-discontinuity
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
- Politika Değerlendirme Regresyon Kesintisi TasarımıNedensel çıkarım↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır