断点回归设计的模糊断点处理.docxVIP

断点回归设计的模糊断点处理

引言

在因果推断领域，断点回归设计（RegressionDiscontinuityDesign,RDD）因其“准实验”特性，被视为继随机对照试验（RCT）后最可靠的因果识别方法之一。与传统观察性研究相比，RDD通过利用某个连续变量（断点变量）上的临界值（断点），将个体分为处理组与对照组，使断点附近的个体在理论上具有“近似随机”的分配特征，从而有效控制混淆变量，识别因果效应（ImbensLemieux,2008）。然而，现实中政策执行常因人为偏差、规则漏洞或数据测量误差，导致处理状态与断点的关系并非“非此即彼”的确定性关系，而是表现为概率性关联——这种情形被称为“模糊断点回归设计”（FuzzyRDD）。如何科学处理模糊断点，是RDD在实际应用中面临的核心挑战之一。本文将围绕模糊断点的定义、估计方法、应用挑战及改进方向展开系统论述，以期为研究者提供理论参考与实践指导。

一、模糊断点回归设计的基本概念与核心特征

（一）清晰断点与模糊断点的区分

断点回归设计的核心逻辑是：当个体在断点变量（如考试分数、年龄、收入）上跨越某个临界值时，其接受处理（如获得政策补贴、参与项目）的概率发生跳跃性变化。根据处理分配与断点的关系，RDD可分为“清晰断点”（SharpRDD）与“模糊断点”（FuzzyRDD）两类。

在清晰断点中，处理状态是断点变量的确定性函数