模糊断点回归设计（FuzzyRDD）的处理效应估计.docxVIP

模糊断点回归设计（FuzzyRDD）的处理效应估计

一、引言

（一）断点回归设计的兴起与应用价值

在因果推断研究领域，准实验方法因能有效克服观测数据中的内生性问题，成为连接实验研究与现实场景的关键桥梁。断点回归设计（RegressionDiscontinuityDesign,RDD）作为准实验方法的核心类型之一，凭借其利用分配规则外生性实现因果识别的优势，被广泛应用于经济学、社会学、公共政策等多个领域的评估研究中。与传统的回归分析方法不同，RDD通过利用处理分配完全由某个连续变量（即分配变量）是否超过特定临界点决定的规则，构造出类似于随机实验的局部样本环境，从而有效识别处理变量与结果变量之间的因果关系（LeeLemieux，2008）。相较于工具变量法等其他准实验方法，RDD的识别假设更为直观且易于检验，因此在实证研究中的可信度更高，逐渐成为因果推断研究的主流方法之一。

（二）从清晰断点到模糊断点的现实必要性

经典的清晰断点回归设计（SharpRDD）假设处理状态完全由分配变量是否超过临界点决定，即所有分配变量超过临界点的个体都接受处理，而未超过的个体均不接受处理。然而在现实研究场景中，这种严格的分配规则往往难以实现：例如公共政策实施中，符合资格的个体可能因信息不对称、申请成本等原因放弃接受处理，而不符合资格的个体可能通过寻租、规则漏洞等方式获得处理资格。此时，处理状态