模糊断点回归（FuzzyRDD）中的局部平均处理效应计算.docxVIP

模糊断点回归（FuzzyRDD）中的局部平均处理效应计算

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”特性，被视为识别因果关系的“黄金方法”之一。与随机对照试验（RCT）相比，断点回归利用现实中自然存在的临界值（如政策门槛、年龄限制、考试分数线等），通过比较临界值附近个体的差异来估计处理效应，既避免了随机实验的伦理与成本限制，又通过严格的设计减少了内生性偏误（ImbensLemieux,2008）。

在断点回归的分类中，“模糊断点回归”（FuzzyRDD）因其更贴近真实场景的复杂性而被广泛应用。与“清晰断点回归”（SharpRDD）中处理状态完全由断点决定不同，模糊断点中个体是否接受处理仅部分由断点决定（例如，某政策规定年龄超过60岁可领取补贴，但实际中部分59岁个体通过特殊申请也能获得）。这种“部分依从”的特性使得传统的简单差分法不再适用，需借助局部平均处理效应（LocalAverageTreatmentEffect,LATE）来刻画断点附近受断点影响的子群体的因果效应（AngristImbens,1994）。

本文将围绕“模糊断点回归中的局部平均处理效应计算”展开，首先阐述模糊断点回归的基本原理与核心假设，继而解析LATE的理论内涵，再系统梳理其计算步骤与关键操作细节