RDD 分析：rdrobust 包简介

什么是 RDD？

回归不连续设计 (Regression Discontinuity Design, RDD) 是一种准实验研究方法，用于评估政策或处理效应。其核心思想是利用一个明确的“断点” (Cutoff)，将样本分为处理组和对照组。在断点附近，个体特征被认为是随机分配的，因此可以因果推断处理效应。

关于 rdrobust 包

rdrobust 是 R 语言中用于执行 RDD 分析的最权威包之一，由 Calonico, Cattaneo, and Titiunik 开发。它提供了以下核心功能：

1. 精确估计：提供局部多项式回归估计量。
2. 稳健推断：构造稳健的标准误和置信区间，解决传统方法中带宽选择带来的偏差问题。
3. 自动带宽选择：基于数据驱动的方法 (如 MSE 最优带宽) 自动选择最佳分析窗口。
4. 多重检验与协变量调整：支持多种稳健性检验和协变量控制。

适用场景

• 奖学金评定 (分数 > 60 分获得奖学金)
• 选举分析 (得票率 > 50% 当选)
• 政策门槛 (收入低于某线获得补贴)

本脚本演示了如何使用 mexico 数据集，分析选举获胜边际对后续得票率的因果影响。

结果展示说明

本部分描述运行 main.R 后在 R 控制台输出的文字内容。

1. 基础模型输出 (print(rd_result))

• 输入操作*：

运行脚本中第一个 rdrobust 函数并打印结果。

• 输出描述*：

控制台将显示一个包含以下关键信息的表格：

• Bandwidth (带宽)：显示自动计算出的最优左侧带宽 (Left of cutoff) 和右侧带宽 (Right of cutoff)。例如，可能显示左右均为 0.24 左右，表示分析使用了断点两侧各 0.24 单位的数据。
• Number of Obs (样本量)：分别显示断点左侧和右侧用于回归的有效样本数量。
• Order Loc. Poly. (局部多项式阶数)：显示使用的多项式阶数，默认为 1 (局部线性回归)。
• Order Bias-corr (偏差校正阶数)：显示用于偏差校正的多项式阶数，通常为 2。
• Coef. (系数/处理效应)：这是最核心的结果。显示在断点处的跳跃幅度 (Treatment Effect)。例如，若输出 0.085，意味着刚刚获胜的候选人比刚刚落选的候选人在下一届平均多得 8.5% 的选票。
• Std. Err. (标准误)：经过稳健性调整后的标准误。
• T-stat & P-value：t 统计量和 p 值。若 p 值小于 0.05，则表明断点处的效应在统计上显著。
• Confidence Intervals：95% 置信区间的上下限。

2. 敏感性分析输出 (print(rd_robust_check))

• 输入操作*：

运行脚本中第二个 rdrobust 函数 (设定了固定带宽 h=0.24 和阶数 p=1) 并打印结果。

• 输出描述*：

控制台将输出类似的结构，但数值会有所变化以反映人为设定的参数：

• Bandwidth：明确显示用户指定的带宽值 (0.2400)。
• Coef.：显示在该特定带宽下的估计效应值。此值通常与自动带宽的结果相近，如果差异巨大，提示结果可能对带宽选择敏感。
• P-value：显示在该设定下的显著性水平。

3. 结论解读示例

若输出结果显示：

• Coef. = 0.092

• P-value = 0.003

• 文字结论*：

分析结果表明，在选举获胜边际的断点处存在显著的正向跳跃。具体而言，以微弱优势获胜的政党，其在下一次选举中的得票率平均比以微弱劣势落选的政党高出约 9.2 个百分点。由于 p 值 (0.003) 远小于 0.05，我们有充分的统计证据拒绝“无效应”的原假设，证明 incumbency advantage (在任者优势) 在该数据集中是显著存在的。