用于断点回归设计的贝叶斯非参数因果模型
统计方法学
2015-02-12 v4
摘要
对于非随机化研究，在相对温和的条件下，断点回归设计（RDD）可用于从“局部随机化”的受试者子群中识别和估计因果效应。然而，目前的模型通过线性回归，将因果推断集中在处理（相对于未处理）变量对因变量均值的影响上。针对 RDD，我们提出了一种灵活的贝叶斯非参数回归模型，该模型能够基于预测均值、方差、分位数、概率密度、分布函数或结果变量的任何其他选定函数，提供准确的因果效应估计。我们通过分析两个真实的教育数据集（分别涉及清晰 RDD 和模糊 RDD）来说明该模型。
引用
@article{arxiv.1311.4482,
title = {A Bayesian Nonparametric Causal Model for Regression Discontinuity Designs},
author = {George Karabatsos and Stephen G. Walker},
journal= {arXiv preprint arXiv:1311.4482},
year = {2015}
}
备注
3 figures