Regresyon Kesintili Tasarımı (RDD)
Regression Discontinuity Design · Ayrıca şöyle bilinir: RDD, regression discontinuity design, sharp RDD, fuzzy RDD, Regresyon Süreksizliği (RDD)
Regresyon Kesintili Tasarımı, sürekli bir atama (yürütme) değişkeni üzerindeki bir kesme noktasının hemen üstündeki ve altındaki birimleri yerel olarak karşılaştırarak nedensel bir etkiyi belirleyen yarı-deneysel bir yöntemdir. Uygulamalı çalışmalar için Imbens ve Lemieux (2008) tarafından biçimlendirilmiş ve Cattaneo, Idrobo ve Titiunik (2020) tarafından pratik bir çerçeve olarak geliştirilmiş olup, eşikte yerel bir ortalama tedavi etkisi (LATE) tahmin eder.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+15 tane daha
Ne zaman kullanılır
Tedavinin, sürekli bir yürütme değişkeni üzerindeki keskin bir kesme noktasını geçen bilinen bir kural tarafından atandığı ve makul derecede büyük bir örneğinizin (en az yaklaşık 200 gözlem, eşik yakınında yeterli kütle ile) olduğu durumlarda RDD'yi kullanın. Yürütme değişkenini kesme noktası etrafında hassas bir şekilde manipüle edemeyen birimlere dayanır (McCrary yoğunluk testi ile kontrol edilir) ve potansiyel sonuçların eşikteki yürütme değişkeninde sürekli olmasına dayanır. MSE-optimal bant genişliği ile yerel doğrusal veya düşük dereceli polinom uyumlarını tercih edin; küresel yüksek dereceli polinomlar tavsiye edilmez. Küçük örneklemler veya bireylerin kesme noktası boyunca kendilerini sıralayabildiği durumlar için daha az uygundur.
Güçlü yönler & sınırlılıklar
- Zayıf, kısmen test edilebilir varsayımlar altında, eşik yakınında şeffaf, güvenilir bir nedensel tahmin sunar.
- Manipülasyon, McCrary yoğunluk testi ile doğrudan araştırılabilir ve tasarım, net bir kesinti grafiği ile görselleştirilebilir.
- Yerel rastgele bir deneyi yaklaştırır: eşiğin hemen üstündeki ve altındaki birimler yapı gereği karşılaştırılabilir.
- Yalnızca eşikteki yerel bir ortalama tedavi etkisini (LATE) belirler, bu da eşikten uzak birimlere genellenmeyebilir.
- Eşik yakınında yeterli gözlemle büyük bir örnek gerektirir; yaklaşık 200'ün altındaki n değerlerinde bant genişliği çok daralır ve tahmin güvenilmez hale gelir.
- Birimler, yürütme değişkenini avantajlı tarafa ulaşmak için hassas bir şekilde manipüle edebiliyorsa, tanımlama stratejisi tamamen çöker.
SSS
Keskin ve bulanık RDD arasındaki fark nedir?
Keskin bir tasarımda kesme noktasını geçmek tedaviyi mükemmel bir şekilde belirler, bu nedenle eşiğin üzerindeki herkes tedavi edilir. Bulanık bir tasarımda kesme noktasını geçmek yalnızca tedavi olasılığını değiştirir; daha sonra tedavi alımındaki kesinti, etkiyi geri kazanmak için bir araç olarak kullanılır.
McCrary testi neden önemlidir?
RDD, birimlerin yürütme değişkenini kesme noktasının avantajlı tarafına ulaşmak için hassas bir şekilde manipüle edemeyeceğini varsayar. McCrary yoğunluk testi, eşikteki yürütme değişkeninin yoğunluğundaki bir sıçrama için kontrol eder; anlamlı bir sıçrama sıralamayı işaret eder ve tasarımı geçersiz kılar.
Bant genişliği nasıl seçilir?
Tahmin yalnızca eşik yakınındaki gözlemleri kullanır ve bant genişliği ne kadar yakın olduğunu belirler. Çok az gözlem kullanmanın varyansına karşı uzak noktaları dahil etmenin neden olduğu yanlılığı dengeleyerek, gözle seçmek yerine bir MSE-optimal seçici ile seçilmelidir.
RDD herkese bir etki verir mi?
Hayır. RDD, eşikte yerel bir ortalama tedavi etkisini belirler. Eşik yakınındaki birimler hakkında en bilgilendirici olanıdır ve ondan uzaktaki birimlere genellenmeyebilir.
Kaynaklar
- 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 ↗
- Cattaneo, M. D., Idrobo, N., & Titiunik, R. (2020). A Practical Introduction to Regression Discontinuity Designs: Foundations. Cambridge University Press. ISBN: 978-1108710206
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Regression Discontinuity Design. ScholarGate. https://scholargate.app/tr/causal-inference/regression-discontinuity
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Kesintili Zaman Serisi (KZS) AnaliziNedensel çıkarım↔ karşılaştır
- Eşleştirme Yöntemleri (CEM / Optimal / Genetik)Nedensel çıkarım↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Eğilim Skoru EşleştirmesiAraştırma istatistiği↔ karşılaştır
- İnstrumantal Değişkenler - İki Aşamalı En Küçük Kareler (IV/2SLS)Nedensel çıkarım↔ karşılaştır