观文听傑

返回

阈值附近的局部线性拟合、曲率修正曲线与断点跳跃阈值附近的局部线性拟合、曲率修正曲线与断点跳跃

上一篇区分了断点附近的连续性推断与局部随机化推断。本篇沿连续性这条线继续追问:局部线性回归在阈值处估出的跳跃,为什么不能直接套一个普通标准误?带宽越宽,点越多、方差通常越小;但曲线在窗口内弯得越明显,直线近似的偏差也会变大。若偏差与标准误同量级,常规置信区间即使计算无误,也可能覆盖不到真实效应。下一篇将转向一个重要前提检查:运行变量在阈值附近是否出现异常堆积,以及密度检验能说明什么。

01 直线拟合为什么会偏?#

设运行变量以阈值为中心,Ri=Xi−cR_i=X_i-c;结果为 YiY_i,样本量为 nn。sharp 断点效应是两侧条件期望在 R=0R=0 处的跳跃。**局部线性回归(local linear regression)**分别在左右窗口拟合直线,只把离阈值近的观测用于外推。每侧设计矩阵一行是 [1,Ri][1,R_i],系数是截距和斜率,最后相减两侧截距。

带宽 hh 决定纳入哪些观测以及核权重。局部线性主估计可写作

τ^p(h)=μ^+(0;h)−μ^−(0;h),p=1.\hat\tau_p(h)=\hat\mu_+(0;h)-\hat\mu_-(0;h),\qquad p=1.

若真实趋势有曲率,局部直线不能完全复现曲线。对 p=1p=1,主估计的领先偏差通常随 h2h^2 缩小,而方差大致随 1/(nh)1/(nh) 缩小。带宽缩小会减少曲率偏差,却留下更少样本;带宽放大增加样本,却让直线拟合承担更大的弯曲误差。这是偏差—方差权衡(bias–variance trade-off),不能只看有效样本数决定 hh。

flowchart LR
  A[原始运行变量 R 与结果 Y] --> B[只看阈值附近的局部窗口 h]
  B --> C[左右分别拟合 p=1 局部线性]
  C --> D[原始跳跃 τ̂(h)]
  B --> E[q=2 局部多项式估计曲率偏差]
  E --> F[估计偏差 B̂(h,b)]
  D --> G[偏差校正 τ̂bc = τ̂ − B̂]
  F --> G
  G --> H[稳健标准误:含偏差估计的不确定性]
  H --> I[稳健置信区间]
mermaid

02 偏差校正为什么还要换标准误?#

**稳健偏差校正(robust bias correction,RBC)**先用更高阶局部多项式估计主估计的领先偏差,再从主估计中扣除它。常见设置是主多项式阶数 p=1p=1、偏差估计阶数 q=2q=2:主回归仍是左右局部直线,额外的局部二次项用于估计曲率造成的偏移。偏差估计带宽记为 bb,可以和主估计带宽 hh 不同。

τ^bc=τ^p(h)−B^q,b.\hat\tau_{bc}=\hat\tau_p(h)-\widehat{B}_{q,b}.

但 B^q,b\widehat{B}_{q,b} 也是从样本估出来的随机量。若仍拿 τ^p(h)\hat\tau_p(h) 的普通标准误配校正后的中心,就漏掉偏差估计的波动,也漏掉两项之间的协方差。RBC 标准误直接估计校正后线性组合的方差:

SE^rb2=Var^(τ^p(h)−B^q,b).\widehat{SE}_{rb}^2=\widehat{Var}\left(\hat\tau_p(h)-\widehat{B}_{q,b}\right).

因此最终区间以校正后的跳跃为中心,使用 RBC 标准误:

τ^bc±z1−α/2SE^rb.\hat\tau_{bc}\pm z_{1-\alpha/2}\widehat{SE}_{rb}.

它不是“把曲线拟合得更复杂后,普通区间自然就好了”。偏差校正和标准误修正是一对:前者移动中心,后者承认这个移动量本身也有不确定性。

03 手算一遍:中心移动,区间也变宽#

以下数字是为展示计算步骤而刻意设定的一组教学输出,不是一份实证数据。假设左右局部线性截距之差为 2.02.0;局部二次拟合估出的右侧偏差减左侧偏差为 0.40.4;普通标准误为 0.300.30,RBC 标准误为 0.450.45。那么

τ^bc=2.0−0.4=1.6.\hat\tau_{bc}=2.0-0.4=1.6.

用 1.961.96 作近似 95% 临界值,常规区间为 2.0±1.96(0.30)=[1.412,2.588]2.0\pm1.96(0.30)=[1.412,2.588];RBC 区间为 1.6±1.96(0.45)=[0.718,2.482]1.6\pm1.96(0.45)=[0.718,2.482]。这个例子不表示实际区间一定更宽或一定移向零;它展示两件不能混淆的事:校正项会改变中心,校正估计的不确定性会改变区间宽度。真实应用中,两种区间都由数据和方差估计共同决定。

04 用 rdrobust:把带宽选择、估计与区间读出来#

官方 rdrobust 项目同时提供 Python、R 和 Stata 实现;Python 入口包括 rdbwselect(选择带宽)、rdrobust(局部多项式估计与偏差校正推断)和 rdplot(探索性分箱图)。下面假设 df 已有 score 与 outcome 两列:输入各是一维、等长观测向量,输出对象保存左右带宽、估计表、标准误表、p 值和三类区间。p=1, q=2 明确指定局部线性主估计与局部二次偏差估计;三角核会降低窗口边缘点的权重。

Estimate 中 tau.us 是未校正点估计,tau.bc 是偏差校正点估计,se.us 是常规标准误,se.rb 是 RBC 标准误。ci 与 pv 的第三行是 robust 结果;第一行 conventional、第二行 bias-corrected 使用常规标准误,不能只因为第二行名字带 “Bias-Corrected” 就把它当最终稳健区间。bws 记录左右两侧的 hh 与 bb;不对称的左右带宽并非错误,数据密度或曲率可以不同。

带宽选择器也对应不同目标。mserd 针对点估计的均方误差(Mean Squared Error,MSE);cerrd 则针对置信区间覆盖误差率(Coverage Error Rate,CER)优化。研究问题若重点是区间覆盖,应说明为何采用 CER 选择器;不要把自动选出的数字当成免解释的唯一答案。二者都不能取代制度设计、操纵诊断与敏感性分析。

05 哪些检查能发现用错了推断?#

现象先检查可能的问题
只报告 tau.us 和 se.ustau.bc、se.rb、ci 第三行用常规区间忽略曲率偏差
带宽稍变,估计符号就翻转预先说明一组邻近带宽并报告曲线局部模型对窗口敏感,单点结果不稳
阈值两侧有效样本数悬殊N_h、唯一运行变量值和左右带宽离散分数或质量点使近似脆弱
数据在门槛处大量重复masspoints 诊断、分数精度和制度规则公式把大量并列分数当成连续支撑
同一学校/城市内误差相关设计的随机化或抽样层级应考虑聚类方差;普通异方差稳健 SE 不够

局部多项式推断依赖阈值附近有足够的运行变量支撑。分数被取整、阈值点重复很多或某侧观测稀疏时,软件能返回数字并不代表连续近似可信。若处理是在学校或城市层级决定,方差也要尊重该分配/抽样层级;不能把个体记录数量直接等同于独立样本数。模糊断点还需要单独核对第一阶段及比率推断,不能拿 sharp RDD 的结果行代替。

与上一节的局部随机化不同,RBC 仍处在连续性框架:它改进局部多项式的偏差与区间覆盖,不会把阈值附近的数据变成随机分配。与高阶全局多项式不同,它只在阈值两侧局部拟合,窗口外远端观测不会决定阈值处曲线形状。

键盘可展开:结果表提交前核对

用 Tab 聚焦摘要,按 Enter 或 Space 展开。确认阈值与单位正确;主阶数 p 和偏差阶数 q 已报告;区间取 fit.ci 的 Robust 行;同时保留左右 h、b、带宽敏感性、唯一分数数目与处理分配层级。窄屏下可直接点按,原生 details 会随站点深浅色主题显示。

思考练习#

  1. τ^p(h)=1.8\hat\tau_p(h)=1.8,偏差估计 B^=0.25\widehat B=0.25。校正点估计是多少?为什么还不能沿用原标准误?
  2. 若使用更宽 hh 后标准误下降、RBC 点估计却移动,应该如何报告这种权衡,才不变成挑显著性?
  3. 当运行变量只记录整数分数、阈值两侧都有大量重复值时,哪些连续性近似和方差计算需要额外审查?

延伸阅读#

上一篇用有限窗口和可辩护的局部随机化分配做置换推断;本篇回到连续性假设,解释平滑偏差如何改变标准误与区间。下一篇将检查运行变量密度是否在门槛处异常变化,并说明密度检验的解释边界。

带宽越大样本越多,断点区间为何反而会失真?偏差校正与稳健推断
https://zwjcode.cn/blog/rdd-robust-bias-correction
作者 傑
发布于 2026年10月19日
版权协议 CC BY-NC-SA 4.0
评论加载似乎遇到了问题,请尝试刷新页面。