断点回归设计中模糊断点的局部平均处理效应估计.docxVIP

断点回归设计中模糊断点的局部平均处理效应估计

一、引言：因果推断中的断点回归与模糊断点的特殊性

在因果推断的实证研究中，如何准确识别政策、干预或处理（Treatment）对结果变量（Outcome）的真实影响，始终是学术研究的核心挑战。断点回归设计（RegressionDiscontinuityDesign，简称RDD）作为一种准实验方法，凭借其“利用驱动变量（RunningVariable）断点处的外生分配”特性，被公认为能够提供接近随机实验的因果推断证据。其核心逻辑在于：当个体被分配到处理组或控制组的概率（或状态）由某个连续变量（如年龄、分数、收入等）是否超过特定阈值（断点）决定时，断点附近的个体可视为被“自然随机化”，从而通过比较断点两侧的结果差异估计因果效应。

然而，现实中的政策执行往往存在“非完美依从”现象——部分本应被干预的个体未被干预（如达到入学年龄却延迟入学），或本不应被干预的个体被错误干预（如未达年龄却提前入学）。这种情况下，处理状态与驱动变量在断点处的关系不再是“非此即彼”的确定性跳跃，而是“概率性跳跃”，形成了“模糊断点”（FuzzyRDD）。此时，传统清晰断点（SharpRDD）中直接比较断点两侧结果均值的方法不再适用，需引入更复杂的“局部平均处理效应”（LocalAverageTreatmentEffect，简称LATE）估计框架。本文将围