断点回归（RDD）的模糊断点设计.docxVIP

断点回归（RDD）的模糊断点设计

一、断点回归与模糊设计的基本认知

（一）断点回归的核心逻辑与分类

断点回归设计（RegressionDiscontinuityDesign,RDD）是因果推断领域中一种重要的准实验方法，其核心逻辑在于利用某个连续变量（称为“驱动变量”或“分配变量”）的断点，将研究对象划分为“处理组”与“控制组”。通俗来说，当驱动变量超过或低于某个临界值（断点）时，个体接受某种干预（如政策、治疗、资源分配）的概率会发生跳跃式变化。通过比较断点附近个体的结果变量差异，研究者可以估计出干预对结果的因果效应。

根据干预分配在断点处的确定性程度，断点回归可分为“清晰断点设计”（SharpRDD）和“模糊断点设计”（FuzzyRDD）。清晰断点设计中，驱动变量跨越断点的瞬间，干预状态会从“完全不接受”变为“完全接受”，即处理状态是驱动变量的确定性函数。例如，某地区规定年满6周岁必须入学，此时“年龄”作为驱动变量，6周岁生日即为断点，所有达到该年龄的儿童100%进入小学，未达到的则完全不入学。这种严格的分配规则使清晰断点设计的因果推断逻辑相对直接，但现实中完全确定的干预分配场景较为少见。

相比之下，模糊断点设计更贴近真实世界的复杂情况。在模糊设计中，驱动变量跨越断点时，干预分配概率会出现显著跳跃，但并非100%确定——断点之外的个体可能因特殊原因接受干预（如政策执行误