断点回归设计（RDD）的带宽选择与稳健性.docxVIP

断点回归设计（RDD）的带宽选择与稳健性

一、引言

断点回归设计作为因果推断领域中极具影响力的准实验方法，凭借其接近随机实验的内部效度，被广泛应用于经济学、社会学、公共政策评估等多个领域（LeeLemieux，2010）。与传统回归分析不同，断点回归设计通过利用“赋值变量”是否超过某个临界值（断点）来决定个体是否接受处理，从而在断点附近构建出近似随机化的处理分配场景，以此识别处理对结果变量的因果效应。

在断点回归设计的实施过程中，带宽选择与稳健性检验是两个核心环节，直接决定了因果效应估计的准确性与可信度。带宽指的是研究者选取的、围绕断点的赋值变量范围，其大小的选择需要在估计偏差与方差之间进行权衡：过大的带宽会纳入远离断点的个体，破坏局部随机化的假设，导致估计偏差增大；而过小的带宽则会减少样本量，增加估计结果的方差（ImbensKalyanaraman，2012）。同时，稳健性检验则是验证估计结果是否可靠的必要手段，它能够排除结果由偶然因素、模型设定偏差或数据异常导致的可能性。本文将系统梳理断点回归设计中带宽选择的理论基础与常用方法，构建稳健性检验的完整框架，并探讨两者之间的协同关系，为相关领域的实证研究提供参考。

二、RDD与带宽选择的理论基础

（一）断点回归设计的核心逻辑

断点回归设计的核心假设是“局部随机化”，即当个体无法精确控制赋值变量使其刚好落在断点两侧时，断点附近