Regression modelQuasi-experimental / causal inference

贝叶斯回归断点设计

贝叶斯回归断点设计（Bayesian RDD）将经典的 RD 框架——即估计已知分配断点处的局部因果效应——嵌入贝叶斯推断引擎中。在断点两侧的回归函数和处理效应参数上设置先验分布，从而得到因果估计量的完整后验分布，而不是一个带有频率主义 p 值的点估计。

在 MethodMind 中打开即将推出视频即将推出下载幻灯片

阅读完整方法

仅限会员

使用免费账户登录即可阅读本节。

方法图谱

相关方法的邻域——选择一个节点以展开探索。

贝叶斯回归断点设计

贝叶斯双重差分法模糊回归断点设计因果推断的工具变量（IV）方法局部平均处理效应（LATE / CACE）倾向得分匹配

来源

Karabatsos, G., & Walker, S. G. (2004). Coherent inference in regression discontinuity designs with a Bayesian nonparametric approach. Journal of the American Statistical Association, 99(468), 1121-1131. link ↗
Chib, S., & Jacobi, L. (2016). Bayesian fuzzy regression discontinuity analysis and returns to compulsory schooling. Journal of Applied Econometrics, 31(6), 1026-1047. DOI: 10.1002/jae.2481 ↗

如何引用本页

ScholarGate. (2026, June 3). Bayesian Regression Discontinuity Design. ScholarGate. https://scholargate.app/zh/causal-inference/bayesian-regression-discontinuity-design

选用哪种方法？

将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。

并排比较 →

发现本页有问题？报告或提出修改建议 →