避坑指南：做断点回归前必看的5个检验，别让‘内生分组’毁了你的结论

断点回归实战避坑手册：5项关键检验与操作指南

断点回归设计（Regression Discontinuity Design, RDD）作为因果推断的"黄金标准"之一，近年来在经济学、政治学、医学等领域获得广泛应用。但看似简单的设计背后，隐藏着诸多方法论陷阱——从内生分组问题到带宽选择争议，从函数形式误设到协变量平衡性忽略。许多研究者直到论文被拒稿时才意识到，自己可能犯下了足以颠覆结论的基础错误。

1. 断点回归的核心假设与检验逻辑

断点回归设计的有效性建立在局部随机化假设之上——在断点附近的小邻域内，个体是否接受处理可以视为随机分配。这一假设若被违背，整个研究的设计就会土崩瓦解。以下是三个必须验证的核心假设：

1. 连续性假设：潜在结果变量在断点处应是连续的。若结果变量本身在断点处存在跳跃，这种跳跃就不能完全归因于处理效应。
2. 无精确操控假设：个体不能精确操控分组变量。如果学生能精确控制自己的高考分数刚好超过录取线，那么分数附近的比较就失去了随机性。
3. 协变量平衡性假设：所有协变量在断点处应是连续的。如果协变量在断点处出现跳跃，说明可能存在混杂因素。

表：断点回归假设检验体系

提示：McCrary检验的统计量θ若显著不为0，则表明存在内生分组风险。但即使θ不显著，也需结合其他检验综合判断。

2. 内生分组检测：McCrary检验的实操细节

内生分组是断点回归最致命的威胁之一。当个体能够通过自身行为影响分组变量时，断点附近的比较就不再具有随机性。以下是执行McCrary检验的具体步骤：

* Stata实现McCrary检验 DCdensity running_var, breakpoint(50) generate(Xj Yj r0 fhat se_fhat) graph twoway (scatter Yj Xj) (line fhat Xj if Xj < 50, lcolor(red)) /// (line fhat Xj if Xj >= 50, lcolor(red)), /// xline(50) legend(off)

检验结果解读需注意：

• 最优带宽选择通常采用默认值，也可通过交叉验证确定
• 检验对极端值敏感，建议预先处理异常值
• 小样本下检验功效较低，需结合图形判断

常见误区和修正方法：

• 误区1：仅依赖p值判断。应同时观察密度函数图形，特别是断点附近的趋势。
• 误区2：忽略检验的边界效应。建议尝试不同带宽进行敏感性分析。
• 修正方案：若发现内生分组，可考虑使用模糊断点设计或寻找工具变量。

3. 协变量平衡性检验的多元策略

协变量在断点处的平衡性是局部随机化成立的重要证据。完整的检验体系应包含：

1. 均值差异检验：对每个协变量在断点两侧进行t检验

   # R代码示例 library(rdd) covs <- c("age", "gender", "income") lapply(covs, function(x) { rdd_test <- RDestimate(as.formula(paste(x, "~ running_var")), data = df, cutpoint = 50) summary(rdd_test) })

2. 分布一致性检验：

   • Kolmogorov-Smirnov检验
   • 分位数回归检验

3. 多变量平衡检验：

   • 倾向得分重叠检验
   • 马氏距离检验

表：协变量检验结果呈现规范

注意：发现1-2个协变量不平衡不一定致命，但需在模型中控制这些变量，并报告敏感性分析结果。

4. 模型稳健性检验的四个维度

审稿人最关注的往往是结果的稳健性。系统性的稳健性分析应覆盖以下维度：

4.1 带宽敏感性分析

带宽选择是断点回归中最具争议的部分。规范做法应包括：

• 使用均方误差最优带宽(MSE-optimal bandwidth)
• 尝试最优带宽的0.5倍和1.5倍
• 交叉验证法确定带宽

* Stata带宽敏感性分析 rdrobust outcome running_var, c(50) bwselect(mserd) all rdrobust outcome running_var, h(10) b(15) // 半带宽10，偏误带宽15

4.2 函数形式敏感性分析

• 局部线性回归 vs 二次项回归
• 不同核函数比较(三角核 vs 矩形核)
• 非参数估计与参数估计对比

4.3 协变量调整策略

• 不调整任何协变量
• 调整预处理的协变量
• 调整可能的内生协变量(需谨慎)

4.4 伪断点检验(Placebo Test)

在非真实断点位置进行检验，理论上不应观测到处理效应：

# R伪断点检验 library(rdrobust) rdplot(y[runvar<50], runvar[runvar<50], c=30) # 在左侧设伪断点 rdplot(y[runvar>50], runvar[runvar>50], c=70) # 在右侧设伪断点

5. 模糊断点回归的特别注意事项

当处理分配不严格遵循断点规则时(如高考过线不一定上大学)，需采用模糊断点设计：

1. 识别条件：分组变量对处理变量的第一阶段影响必须显著

   • 第一阶段F统计量通常应大于10
   • 断点处处理概率跳跃应足够明显

2. 估计方法选择：

   • 局部两阶段最小二乘法(LATE)
   • 非参数极大似然估计

3. 有效性检验：

   • 排除限制检验(Exclusion restriction)
   • 单调性假设检验

* 模糊断点回归Stata实现 rdrobust Y X, c(50) fuzzy(D) bwselect(msetwo)

模糊断点回归的特别陷阱：

• 弱工具变量问题：当分组变量对处理变量的预测力太弱时，估计会有严重偏误
• 违反单调性假设：若存在"defiers"(即总有人反规则操作)，估计将不一致
• 隐藏的中介效应：分组变量可能通过其他渠道影响结果变量

6. 结果呈现与论文写作要点

规范的断点回归结果报告应包含：

1. 图形展示：

   • 原始数据散点图
   • 局部多项式拟合曲线
   • 置信区间带

2. 数值结果表：

   • 不同带宽下的估计值
   • 不同函数形式的结果
   • 协变量调整前后的对比

3. 敏感性分析附录：

   • 伪断点检验结果
   • 协变量平衡性检验细节
   • 带宽选择标准说明

表：断点回归结果报告清单

最后需要强调的是，断点回归不是万能的因果识别策略。当存在以下情况时，应考虑其他方法：

• 个体能精确操控分组变量
• 处理效应存在显著异质性
• 断点附近样本量过少
• 存在多个相互干扰的断点规则