断点回归RDD带宽选择优化方法.docxVIP

断点回归RDD带宽选择优化方法

一、引言

断点回归是当前社会科学领域开展因果推断的核心准实验方法之一，凭借清晰的识别逻辑和透明的研究设计，被广泛应用于政策评估、教育经济、劳动经济、公共管理等诸多研究领域。这一方法的核心识别逻辑是：当个体是否接受某种处理完全或部分由某个连续分配变量是否超过特定阈值决定时，断点两侧很小范围内的个体在是否接受处理上存在明显差异，而其他可能影响结果的混淆因素在断点处保持连续变化，因此这一范围内的个体是否进入处理组近似于随机分配，通过比较两侧个体的结果差异就可以得到处理的因果效应。在这一逻辑链条中，如何界定“断点附近”的样本范围，也就是带宽的选择，是决定整个研究可靠性的核心环节——带宽过大可能混入离断点较远的样本，破坏局部随机化假设，带来估计偏差；带宽过小则会导致可用样本量不足，估计结果方差过大、稳定性不足，甚至出现统计功效不足的问题。

早期的断点回归应用中，带宽选择往往依赖研究者的主观判断，不仅结果的可复制性差，还为研究者通过调整带宽得到想要的显著结果留下了操作空间，一度让断点回归的可信度受到质疑。随着计量方法的发展，学界陆续提出了一系列数据驱动的带宽选择方法，大幅提升了带宽选择的客观性，但这些传统方法在实际应用中依然存在不少局限，比如对数据分布特征敏感、忽略处理效应异质性、难以适配特殊研究场景等。近年来，围绕带宽选择的优化研究不断涌现，从底层估计准则到识