详细内容或原文请订阅后点击阅览
回归不连续性设计：它如何工作和何时使用
从核心思想到现实世界分析 - RDD因果推理的工作方式，如何运行以及如何正确获取它。后回归不连续性设计：它的工作原理以及何时使用它首先出现在数据科学上。
来源:走向数据科学您是一个狂热的数据科学家和实验者。您知道随机化是越野证据信誉的峰会，并且您还知道，当您无法随机分析时，您就可以求助于观察性数据和因果推理技术。您可以使用各种方法来旋转对照组 - 差异差异，反向倾向得分加权等。在这里或那里的假设（有些比其他人更摇晃），您可以估计因果效应并推动决策。但是，如果您认为它比“香草”因果推论更令人兴奋，请继续阅读。
因果推理就我个人而言，我经常发现自己处于至少两种情况下，“只是做因果推理”并不是一件直接的。在这两种情况下的共同点？一个缺失的对照组 - 乍一看。
首先，寒冷的场景：该公司希望闯入一个未知的机会空间。通常，从业务或产品方面，没有任何变化的实验数据可以从业务或产品方面进行任何变化（请阅读：“外源性休克”），以在更常见的因果推理框架（如差异差异）（以及前post范式中的其他表亲）中利用。
冷启动场景：第二，不可行的随机化场景：组织完全有意测试一个想法，但是随机化是不可行的，甚至不想要。即使模仿自然实验，也可能会在法律，技术上或商业上（尤其是在定价时）或在市场上发生干扰偏见时受到限制。
不可行的随机化场景：这些情况为“不同的”因果推理开辟了空间。尽管我们将重点关注的方法不是唯一适合这份工作的方法，但我希望您能深入研究回归不连续设计（RDD）。
回归不连续 如何 为什么