1. 断点回归RDD基础概念断点回归设计Regression Discontinuity Design是政策评估中的黄金标准方法之一。想象你正在评估一个奖学金政策学校规定考试成绩80分以上的学生自动获得奖学金。这时候80分就是一个天然的断点我们可以比较79分和81分这两组学生的后续发展差异。这种设计之所以可靠是因为在临界点附近的学生可以视为随机分组的——毕竟考试多得1分或少得1分可能只是运气问题。在Stata中实现RDD分析需要理解几个核心概念分配变量Assignment Variable决定是否接受干预的变量如上述的考试分数断点Cutoff触发干预的临界值80分带宽Bandwidth分析时包含断点两侧的数据范围局部随机性假设在断点附近干预分配近似随机实验我处理过的一个典型案例是评估某地扶贫政策效果。当地规定家庭年收入低于3万元的自动获得补贴我们通过RDD发现获得补贴的家庭儿童入学率确实显著提高了15%。这个发现之所以可信正是因为我们在分析时严格遵循了RDD的方法论框架。2. 数据准备与可视化分析2.1 构建模拟数据集先带大家用Stata生成一份模拟数据这是我验证方法的习惯——用已知结构的数据测试模型能更好理解输出结果。假设我们研究的是考试分数对奖学金获得的影响设定断点为80分clear set obs 2000 set seed 2023 gen score round(runiform()*4060) // 生成60-100分的考试成绩 gen centered_score score - 80 // 中心化处理 gen noise rnormal()*5 // 随机噪声 gen scholarship score 80 // 处理变量 // 生成结果变量有奖学金效应的情况 gen outcome 50 0.5*score 10*scholarship noise label var score 原始考试分数 label var centered_score 中心化分数(score-80) label var outcome 学业表现指数 save scholarship_data.dta, replace2.2 可视化诊断运行下面这段代码生成诊断图use scholarship_data.dta, clear twoway (scatter outcome centered_score, msymbol(oh) mcolor(blue%30)) /// (lfit outcome centered_score if centered_score0, lcolor(red)) /// (lfit outcome centered_score if centered_score0, lcolor(red)), /// xline(0, lpattern(dash)) legend(off)这张图能直观展示三点关键信息断点处是否存在明显的跳跃断点两侧的趋势是否连续数据分布是否足够密集我经常提醒学生如果散点图上看不到明显跳跃后续分析就要格外谨慎。曾经有位研究者给我看他的RDD结果p值很显著但图上根本看不出间断后来发现是带宽选择过于激进导致的假阳性。3. 核心模型估计3.1 安装必要命令首先确保安装了最新版的rdrobust目前最推荐的RDD命令ssc install rdrobust, replace ssc install rddensity, replace // 用于密度检验3.2 基础模型运行最简语法如下rdrobust outcome centered_score, c(0) p(1)输出结果包含三个关键部分效应估计断点处的平均处理效应ATE最优带宽算法自动选择的左右带宽统计检验包括传统p值和稳健p值这里有个实用技巧加上bwselect(mserd)选项可以使用更精确的带宽选择方法。我在分析政府补贴政策时比较过默认设置有时会低估最优带宽。3.3 多项式阶数选择尝试不同阶数是个好习惯foreach p in 1 2 3 4 { rdrobust outcome centered_score, c(0) p(p) estimates store model_pp }然后用赤池准则比较模型estimates stats model_p*根据我的经验社会科学数据通常1-3阶就足够。曾有个经济学项目用了4阶多项式结果标准误膨胀到失去意义这就是过拟合的典型表现。4. 有效性检验4.1 协变量平衡检验好的RDD需要证明协变量在断点处没有跳跃。假设我们有学生性别(gender)和前测成绩(pretest)两个协变量foreach var in gender pretest { rdrobust var centered_score, c(0) est store var_test }检验标准p值0.1通过检验点估计值接近0置信区间包含0我审稿时最常发现的错误就是研究者只报告p值。实际上应该同时检查效应大小——即使p0.1如果点估计很大比如性别差异达10%仍然可能存在问题。4.2 驱动变量检验检查是否有人为操纵分数rddensity centered_score这个命令会输出两个关键指标密度检验p值理想情况应0.1操纵程度估计量数值越小越好去年评估一个企业补贴政策时这个检验就发现了企业在资格线附近的异常聚集最终我们改用模糊断点设计解决了问题。5. 稳健性分析5.1 带宽敏感性rdrobust outcome centered_score, c(0) all这个all选项会输出三组结果最优带宽h一半带宽h/2两倍带宽2h判断标准三种带宽下效应方向一致估计值变化不超过20%都达到统计显著5.2 安慰剂检验选择假想的断点位置foreach pos in -10 10 20 { rdrobust outcome centered_score, c(pos) est store placebo_pos }健康的数据应该真实断点处显著其他位置不显著5.3 样本筛选检验排除边界附近的观察值甜甜圈检验forvalues i1(1)5 { local cutoff i*2 rdrobust outcome centered_score if abs(centered_score)cutoff, c(0) est store donut_cutoff }这个检验特别适合样本量大的研究。我处理过的一个万人规模调查数据排除边界5分内的样本后效应依然稳健这大大增强了结论可信度。6. 结果呈现技巧6.1 三线表制作使用esttab输出专业表格esttab model_p1 model_p2 model_p3 using results.rtf, /// b(3) se(3) star(* 0.1 ** 0.05 *** 0.01) /// stats(N h_l h_r, fmt(%9.0f %9.2f %9.2f)) /// title(断点回归结果对比) replace6.2 图形组合把诊断图、结果图组合展示rdplot outcome centered_score, c(0) p(1) /// graph_options(title(局部线性拟合) name(rdplot, replace)) coefplot model_p*, keep(Conventional) xline(0) /// title(不同模型系数对比) name(coefplot, replace) graph combine rdplot coefplot, col(1)在政策报告中我通常会把关键结果图放在首页。有次给政府部门做汇报组合图直观展示了政策效果当场就获得了决策者的认可。7. 常见问题解决方案问题1带宽内样本太少解决方案使用h(NN)选项改为最近邻匹配rdrobust outcome centered_score, c(0) h(NN)问题2存在离散型分配变量解决方案添加masspoints(adjust)选项rdrobust outcome centered_score, c(0) masspoints(adjust)问题3模糊断点设计解决方案使用fuzzy()选项rdrobust outcome centered_score, c(0) fuzzy(scholarship)去年分析一个税收优惠政策时就遇到了部分企业符合条件但未申请的情况。用模糊RDD处理后发现真实效应比初步分析高出30%这个发现直接影响了后续政策调整。8. 完整案例代码最后分享一个可直接运行的完整示例// 数据生成 clear set obs 1500 set seed 123 gen income round(runiform()*1015) // 家庭收入(万元) gen centered income - 20 // 中心化处理 gen treatment income 20 // 是否获得扶贫补助 gen outcome 50 2*income 8*treatment rnormal()*3 save policy_data.dta, replace // 基础分析 use policy_data.dta, clear rdrobust outcome centered, c(0) rdplot outcome centered, c(0) // 有效性检验 gen education round(6 income/2 rnormal()) rdrobust education centered, c(0) // 稳健性检验 rdrobust outcome centered, c(0) all rddensity centered forvalues i1(1)3 { rdrobust outcome centered if abs(centered)i, c(0) }这个模板可以直接替换变量名用于你的研究。记得根据实际数据调整模型阶数和带宽选择方法。有次指导研究生论文他们直接套用这个模板但没改带宽选择结果把显著效应跑没了——细节决定成败啊。