Eine quasi‑experimentelle Identifikationsstrategie, die eine bekannte deterministische oder probabilistische Zuweisungsregel auf Basis einer stetigen Laufvariablen und einer Schwelle ausnutzt. Unter den getroffenen Annahmen — Kontinuität der potenziellen Ergebnisfunktionen in der Laufvariablen an der Schwelle und keine präzise Manipulation der Laufvariablen — kann ein diskontinuierlicher Sprung der bedingten Erwartung des Ergebnisses an der Schwelle als lokaler kausaler Effekt der Behandlung für Einheiten am Schwellenwert interpretiert werden.

Prinzip

Wenn die potenziellen Ergebnisse ohne Behandlung in der Laufvariablen am Schwellenwert kontinu ierlich wären, dann zeigt ein beobachteter Sprung am Schwellenwert die kausale Wirkung der Behandlung für Einheiten unmittelbar am Rand; die Schätzung beruht auf lokalen Vergleichen und der Wahl eines Bandbreite (Bandwidth).

Demonstration

Illustratives Szenario: Stipendienberechtigung wird bei einer Prüfungsnote > 70 vergeben. Erkennung: Die Behandlungswahrscheinlichkeit springt bei Note = 70. Handlung: Schätzung des Sprungs in mittleren Ergebnissen (z. B. spätere Noten) mit Daten nahe der Schwelle mittels lokaler linearer Regression und gewählter Bandbreite. Folge: Der geschätzte Sprung ist eine glaubwürdige lokale durchschnittliche Behandlungseffekt am Schwellenwert, nicht notwendigerweise repräsentativ für andere Werte.

Fehlanwendung

Die RDD‑Schätzung als globalen Durchschnittseffekt zu interpretieren, das Testen auf Manipulation der Laufvariablen nahe der Schwelle zu unterlassen (z. B. Bunching), oder zu große Bandbreiten bzw. polynomiale Hochordnungen zu verwenden, die eher Verzerrung als lokale Identifikation einführen.

Konsequenz

Wenn die Annahmen erfüllt sind, ermöglicht RDD eine glaubwürdige kausale Identifikation ohne Randomisierung, allerdings nur lokal am Schwellenwert; nützlich, wenn Randomisierung unmöglich ist, die Extrapolation auf andere Populationen jedoch Vorsicht erfordert.

Umkehrung

Die Identifikation bricht zusammen, wenn Einheiten die Laufvariable präzise manipulieren können, wenn andere Maßnahmen gleichzeitig am selben Schwellenwert greifen, oder wenn die Laufvariable nahe der Schwelle stark messfehlerbehaftet ist; bei fuzzy RDD, wo die Behandlungswahrscheinlichkeit nicht von 0 auf 1 springt, gilt die Interpretation für konforme Einheiten.

Abgrenzung

Eindeutig innerhalb: sharp RDD mit deterministischer Zuweisung an der bekannten Schwelle und Kontinuität der potenziellen Ergebnisse. Grenzfall: fuzzy RDD mit Sprung in der Behandlungswahrscheinlichkeit. Eindeutig außerhalb: durch andere gleichzeitige Eingriffe oder Messartefakte verursachte Discontinuities sind keine gültige RDD‑Identifikation.

Semantische Spannung

Glaubwürdige lokale Identifikation (interne Validität am Schwellenwert) versus Generalisierbarkeit auf entfernte Populationen; RDD gegenüber randomisierten Experimenten hinsichtlich Umfang und Ort der kausalen Aussage.

Synthese

RDD wandelt institutionelle Schwellenregeln in lokal glaubwürdige kausale Kontraste um: es opfert globale Anwendbarkeit zugunsten von Identifikation am Rand. Für valide Schlussfolgerungen sind Manipulationstests, sorgfältige Bandbreitenwahl und die explizite Feststellung, dass Effekte nur für nahe dem Schwellenwert gelten, erforderlich.