1. RD设计适用于准实验情境，与在自然随机实验中直接添加虚拟变量并用OLS估计的模型有别。
2. RD估计方法通常采用局部线性回归，即在一定带宽内选择样本进行估计，旨在对断点附近的局部处理效应（LATE）进行估计。
3. 最优带宽的选择由Imbens和Kalyanaraman在2009年提供，并且通常需要展示不同带宽下的结果以展示估计的稳健性。有时，RD还使用非参数的核回归方法。
4. RD分析需检验内生排序问题，即假设个体能够预知分组规则并通过自身努力完全控制分组变量，以避免导致断点回归失效。
5. 在RD分析中加入协变量时，还需检验这些协变量在断点处的条件密度是否连续，确保断点处的跳跃不是由协变量的跳跃引起的。
6. 上述内容主要讨论的是Sharp RD。Fuzzy RD则使用大于断点的dummy（Z）作为处理变量（D）的工具变量。Z与D相关，但在断点附近相当于局部随机实验，因此D仅通过Z影响因变量y，并且与误差项不相关，满足外生性假设。可以使用Z作为D的工具变量，并采用两阶段最小二乘法（2SLS）进行估计。
下载本文
