补贴门槛、评分区线、收入分界，这类明确的分配规则为因果识别提供了天然条件。围绕阈值的比较能给出较强的解释力，但落地环节有不少容易出错的细节。
什么情况下适合用断点回归做因果识别
当存在一个明确的分配规则时，断点回归可以利用规则附近人群的差异识别因果效应，而不必依赖随机分组，这在缺少实验条件的场景中相当实用。
它的优势在于只要个体无法精确操纵自己在临界值两侧的位置，临界点附近的比较就具备较强的因果解释力，这一点在政策评估中已被反复验证。
在调研断点回归方法的实际应用中，常见场景包括消费补贴效果评估、会员权益门槛评估与教育资源分配评估，前提是规则清晰且执行严格。
若规则执行存在例外，例如基层审核人员可以酌情放宽，那么阈值两侧就不再由规则决定，识别策略的可靠性会明显下降，这种情况需要在设计阶段就排查清楚。
临界值附近该招多少样本才够
断点回归并不追求总样本量，而是追求临界值附近的密度。一般建议在阈值上下各覆盖一段合理区间，两侧各有数百个观测值会更为稳妥。
预算分配上也应有侧重。临界区间之外的样本可以适当减少，把资源集中到阈值附近，同样的投入能换来更低的估计方差，这是这类项目节省成本的常用办法。
若样本在临界点附近稀疏，估计的方差会明显上升。此时应优先补充该区间的样本，而不是在远离阈值的区段继续扩大规模。
执行上可分为两轮：先做一轮探测，绘制运行变量的分布，观察临界点两侧密度，再据此决定第二轮补招的重点区间与数量。
补招时还要注意区间内的结构平衡。若某一侧样本集中在特定行业或特定规模，估计结果会被这部分特征主导，按行业与规模做配额能减轻这一问题。
带宽怎么选，选错了会怎样
带宽决定纳入估计的样本范围。带宽过宽会引入远离阈值的个体，破坏可比性；带宽过窄则样本不足、估计不稳定，两者之间需要权衡。
实务中常用数据驱动的方法给出候选带宽，再比较不同带宽下的结果是否稳健。若结论随带宽大幅摆动，说明识别策略本身需要重新审视。
报告时应同时呈现主结果与多个带宽下的稳健性结果，让读者看到结论的敏感程度，而不是只展示一个看起来理想的设定。
附上不同带宽下的样本量与效应估计表会更清楚。读者可以自行判断取舍，也便于后续研究沿用同一口径做横向比较，减少重复沟通的成本。
如何检验个体有没有操纵运行变量
关键假设是个体无法精确控制自己在临界值两侧的位置。若存在操纵，例如商家协助用户凑单跨过门槛，两侧人群就不再可比。
常用检验是观察运行变量在阈值处的密度是否连续。某一侧出现明显堆积，往往提示存在人为调整，需要改用其他策略或调整分析单元。
另一类检验是看协变量在阈值处是否平滑。若年龄、收入等前定特征在临界点出现跳跃，说明分组并非随机，估计结果需要谨慎解读。
调研数据怎样与行政记录衔接
断点回归常依赖行政记录中的运行变量，例如申报收入或审核分数。调研数据的作用是补充机制信息，解释人们为何跨过门槛、跨过之后行为如何变化。
衔接的关键是统一标识与口径。我们会在邀约阶段就说明需要核对的信息项，并取得明确授权，避免回收后无法匹配而返工。
在问卷设计上，运行变量相关的问题应当放在前段并表述中性，避免暗示性措辞引导受访者调整回答，这会直接影响阈值附近的样本分布形态。
若行政数据不可得，也可以用调研自报的运行变量，但需额外做可靠性校验，例如交叉询问与凭证核对，把测量误差控制在可接受范围内。
在无法取得行政记录的场景中，可以考虑用代理变量近似阈值，例如以申报时间或排队序号代替。这类做法需要说明近似带来的误差，不宜当作精确分界使用。
结果怎么解读才不会被误用
在调研断点回归方法的估计结果中，得到的是临界值附近的局部效应，不能直接外推到远离阈值的人群，报告时应明确说明这一边界。
另一个常见误用是把断点效应等同于长期效应。短期行为变化与长期习惯养成并不相同，若关注长期表现，需要更长周期的追踪设计。
沟通时建议配合机制证据：访谈几位刚好跨过门槛的受访者，把定量结果与他们的具体经历放在一起，结论会更容易被决策者理解与采纳。
如果你的评估项目需要采用调研断点回归方法，欢迎注册盈邀约发布临界区间样本招募。我们可按运行变量区间定向筛选受访者，并配合凭证核对与分轮补招，支撑识别策略落地。