Порівняння методів
Переглядайте обрані методи поруч; рядки з відмінностями підсвічено.
| Регресійний розривний дизайн (RDD)× | Регресія звичайно найменших квадратів (ЗНК)× | |
|---|---|---|
| Галузь≠ | Причинно-наслідковий висновок | Економетрика |
| Родина | Regression model | Regression model |
| Рік появи≠ | 2008 | 2019 |
| Автор методу≠ | Imbens & Lemieux (guide to practice); Cattaneo, Idrobo & Titiunik (practical introduction) | Wooldridge (textbook treatment); classical least squares |
| Тип≠ | Quasi-experimental causal design | Linear regression |
| Основоположне джерело≠ | Imbens, G. W., & Lemieux, T. (2008). Regression Discontinuity Designs: A Guide to Practice. Journal of Econometrics, 142(2), 615-635. DOI ↗ | Wooldridge, J. M. (2019). Introductory Econometrics: A Modern Approach (7th ed.). Cengage Learning. ISBN: 978-1337558860 |
| Інші назви≠ | RDD, regression discontinuity design, sharp RDD, fuzzy RDD | ordinary least squares, classical linear regression, linear regression, en küçük kareler regresyonu |
| Пов'язані | 5 | 5 |
| Підсумок≠ | Regression Discontinuity Design is a quasi-experimental method that identifies a causal effect by locally comparing units just above and just below a cutoff on a continuous assignment (running) variable. Formalised for applied work by Imbens and Lemieux (2008) and developed as a practical framework by Cattaneo, Idrobo, and Titiunik (2020), it estimates a local average treatment effect (LATE) at the threshold. | Ordinary Least Squares is the classical linear regression method that explains a continuous outcome as a linear combination of predictors. It estimates the coefficients by minimising the sum of squared residuals, and under the Gauss-Markov assumptions these estimates are the best linear unbiased estimator (BLUE). |
| ScholarGateНабір даних ↗ |
|
|