断点回归设计（RDD）的模糊断点识别方法.docxVIP

断点回归设计（RDD）的模糊断点识别方法

引言

在因果推断的实证研究中，如何准确识别干预措施与结果变量之间的因果关系，始终是学术界关注的核心问题。断点回归设计（RegressionDiscontinuityDesign，RDD）作为一种“准实验”方法，通过利用某个连续变量（断点变量）上的临界值（断点）将研究对象划分为干预组与控制组，巧妙地模拟了随机实验的环境，为因果推断提供了高可信度的解决方案（ThistlethwaiteCampbell，1960）。根据干预分配规则的严格程度，RDD可分为“清晰断点”（SharpRDD）与“模糊断点”（FuzzyRDD）两大类。其中，清晰断点要求断点变量达到临界值时，干预分配概率严格跃变为1或0；而模糊断点则允许干预分配概率在断点处发生不连续变化，但未达到完全覆盖（ImbensLemieux，2008）。由于现实中完全严格的干预分配规则较为罕见，模糊断点识别方法在教育政策评估、公共卫生干预效果分析等领域的应用更为广泛。本文将围绕模糊断点识别的核心原理、关键条件、操作步骤及检验方法展开系统论述，以期为研究者提供方法学参考。

一、模糊断点回归的基本原理

（一）RDD的核心逻辑与分类

断点回归设计的核心逻辑在于：当某个连续变量（如考试分数、年龄、收入水平）达到或超过特定临界值（如录取分数线、政策适用年龄、补贴资格线）时，研究对象被分配至