断点回归设计（RDD）的带宽选择准则优化.docxVIP

断点回归设计（RDD）的带宽选择准则优化

一、引言

因果推断是社会科学与实证研究领域的核心目标之一，断点回归设计（RDD）作为准实验研究方法中的重要工具，凭借其无需严格满足随机分配假设、能有效识别因果效应的优势，被广泛应用于经济学、社会学、教育学等多个领域的政策评估与因果关系研究中。在RDD的实施过程中，带宽选择是决定估计结果准确性与稳健性的核心环节——带宽的大小直接权衡了估计偏误与方差之间的关系：过大的带宽会引入更多远离断点的样本，导致估计偏误上升；过小的带宽则会限制样本量，增大估计方差（LeeLemieux，某年）。尽管传统带宽选择准则已形成相对成熟的框架，但随着研究场景的复杂化，尤其是异质性处理效应、非均匀样本分布等现实问题的凸显，传统准则的适配性不足逐渐显现。因此，针对RDD的带宽选择准则进行优化，不仅能提升因果效应估计的精度，更能拓展RDD方法在复杂现实场景中的应用边界，推动实证研究的科学性与可靠性。

二、断点回归设计中带宽选择的核心价值与传统准则基础

（一）RDD带宽选择的核心作用

RDD的核心逻辑是利用赋值变量在断点处的discontinuity（断点），将样本分为处理组与控制组，进而推断处理效应。而带宽则定义了断点附近用于估计的样本范围，是连接理论假设与实证估计的关键桥梁。从统计学视角看，带宽选择本质是偏误-方差权衡问题：当带宽扩大时，局部回归的样本量增加，估