断点回归设计（RDD）中带宽选择的最优方法与敏感性检验.docxVIP

断点回归设计（RDD）中带宽选择的最优方法与敏感性检验

一、引言

断点回归设计作为一种准实验方法，因其能够有效处理内生性问题，在社会科学与经济学的实证研究中占据着举足轻重的地位。其核心逻辑在于利用政策实施或某个变量达到特定阈值（断点）这一临界点，将样本分割为处理组和控制组。在断点回归中，假设在断点附近，个体除了受到政策或处理的影响外，其他特征在统计上是连续的，从而为因果效应的识别提供了强有力的依据。然而，断点回归设计的有效性高度依赖于对断点附近样本的精准界定，其中带宽的选择是决定研究质量的关键环节。

带宽的选择直接关系到估计结果的偏差与方差之间的权衡。如果带宽过大，断点附近的混淆变量可能破坏“局部随机化”的假设，导致估计结果产生显著的偏差，无法准确捕捉因果效应；反之，如果带宽过小，样本量急剧减少，虽然偏差可能降低，但估计量的方差会显著增大，导致结果不精确甚至不稳定。因此，如何在偏差与方差之间寻找最优的平衡点，成为了断点回归研究中最为核心的挑战之一。近年来，随着计算技术的发展，带宽选择方法从传统的经验法则向更精细的局部多项式回归方法演进，但如何评估不同带宽选择下的稳健性，以及如何进行敏感性检验，仍然是研究者需要面对的复杂问题。本文将系统地梳理断点回归设计中带宽选择的理论基础，深入探讨最优带宽的计算方法，并对敏感性检验策略进行详尽的阐述，旨在为实证研究者提供一套严谨、科学的操作指南。