断点回归设计（RDD）的模糊断点识别条件.docxVIP

断点回归设计（RDD）的模糊断点识别条件

引言

在因果推断的实证研究中，断点回归设计（RegressionDiscontinuityDesign,RDD）因其“准实验”属性，被广泛视为继随机对照试验后最可靠的因果识别方法之一。与清晰断点设计（SharpRDD）中“断点处处理变量严格跳跃”的理想状态不同，模糊断点设计（FuzzyRDD）更贴近现实场景——个体是否接受处理（如政策干预、项目参与）并非由断点完全决定，而是存在一定的“合规偏差”（ComplianceBias）。例如，某地区规定“年满6周岁可入读小学”，但部分5岁11个月的儿童可能因家长申请提前入学，或6岁1个月的儿童因户籍问题延迟入学，导致处理变量（入学状态）在断点（6周岁）附近仅呈现概率性跳跃。这种情况下，如何确保因果效应估计的有效性？关键便在于满足模糊断点的识别条件。本文将围绕模糊断点的核心识别条件展开，从理论逻辑到实践验证逐层深入，系统解析其内在要求与应用要点。

一、断点回归设计的基本框架与模糊断点的特殊性

（一）断点回归设计的核心逻辑

断点回归设计的核心思想是利用一个“临界值”（断点）将样本分为处理组与对照组：个体因某个可观测变量（驱动变量，RunningVariable）跨越断点而被“分配”到处理组或对照组。例如，以考试分数为驱动变量，某高校规定“分数≥600分可获得奖学金”，则分数略高于600分的