1. RD設(shè)計(jì)適用于準(zhǔn)實(shí)驗(yàn)情境，與在自然隨機(jī)實(shí)驗(yàn)中直接添加虛擬變量并用OLS估計(jì)的模型有別。2. RD估計(jì)方法通常采用局部線性回歸，即在一定帶寬內(nèi)選擇樣本進(jìn)行估計(jì)，旨在對斷點(diǎn)附近的局部處理效應(yīng)（LATE）進(jìn)行估計(jì)。3. 最優(yōu)帶寬的選擇由Imbens和Kalyanaraman在2009年提供，并且通常需要展示不同帶寬下的結(jié)果以展示估計(jì)的穩(wěn)健性。有時，RD還使用非參數(shù)的核回歸方法。4. RD分析需檢驗(yàn)內(nèi)生排序問題，即假設(shè)個體能夠預(yù)知分組規(guī)則并通過自身努力完全控制分組變量，以避免導(dǎo)致斷點(diǎn)回歸失效。5. 在RD分析中加入?yún)f(xié)變量時，還需檢驗(yàn)這些協(xié)變量在斷點(diǎn)處的條件密度是否連續(xù)，確保斷點(diǎn)處的跳躍不是由協(xié)變量的跳躍引起的。6. 上述內(nèi)容主要討論的是Sharp RD。Fuzzy RD則使用大于斷點(diǎn)的dummy（Z）作為處理變量（D）的工具變量。Z與D相關(guān)，但在斷點(diǎn)附近相當(dāng)于局部隨機(jī)實(shí)驗(yàn)，因此D僅通過Z影響因變量y，并且與誤差項(xiàng)不相關(guān)，滿足外生性假設(shè)。可以使用Z作為D的工具變量，并采用兩階段最小二乘法（2SLS）進(jìn)行估計(jì)。