斷點回歸由 and (1960)首次使用，但直到1990年代末才引起經(jīng)濟學家的重視。
、于1960年首次提出使用斷點回歸設計研究處理效應， 在該文中他們的目的是研究獎學金對于未來學業(yè)的影響, 學生是否獲得獎學金取決于考試的分數(shù)。由于獎學金由學習成績決定，故成績剛好達到獲獎標準與差一點達到的學生具有可比性。如果考試分數(shù)大于獲獎標準分數(shù), 則進入處理組；如果考試分數(shù)小于獲獎標準分數(shù), 則進入控制組。因此處理變量在獲獎標準分數(shù)處形成了一個斷點， 該研究設計的主要思想是可以利用靠近這一斷點附近的樣本來有效估計處理效應。
and Lavy(1999)在研究班級規(guī)模對成績的影響時，利用以色列教育系統(tǒng)的一項制度進行斷點回歸；該制度限定班級規(guī)模的上限為40名學生，一旦超過40名學生（比如41名學生），則該班級被一分為二。
此后30年, 該方法并未引起學術界的重視，直到1990年以后, 斷點回歸設計開始被應用于各種領域，并且近年來成為因果分析和政策評估領域最重要的研究方法。
Hahn et al(2001)提供了斷點回歸在計量經(jīng)濟學理論基礎。目前，斷點回歸在教育經(jīng)濟學、勞動經(jīng)濟學、健康經(jīng)濟學、政治經(jīng)濟學以及區(qū)域經(jīng)濟學的應用仍方興未艾。參見 and (2008)，Van Der (2008)以及Lee and (2010)的文獻綜述。
斷點回歸相關中文綜述和介紹詳見，分別為
新“擬隨機實驗”方法的興起——斷點回歸及其在經(jīng)濟學中的應用、
斷點回歸設計:基本邏輯、方法、應用述評、斷點回歸設計方法應用的研究綜述
1斷點回歸命令rd介紹
斷點回歸的基本命令是rd，首先我們輸入如下命令進行安裝，下載安裝方法為：
ssc install rd, replace語法格式為：
rd?y?d?x,?z0?(real)?strineq?mbw?(numlist)?graph?bdep?oxline?kernel?(rectangle)?cov?(varlist)?x(varlist)語法含義為：
其中mbw() 用來指定最優(yōu)帶寬的倍數(shù)，默認值為mbw(50 100 200)
z0(real) 用來指定斷點的位置，默認值為z0(0)，即斷點為原點，如果此處省去D，則為精確斷點回歸，并根據(jù)分組變量X來計算處理變量
graph 根據(jù)每一帶寬，畫出局部線性回歸圖
bdep根據(jù)畫圖來考察斷點回歸估計量對帶寬的依賴性
表示在此圖的默認帶寬上畫出一條直線，以便識別
()表示使用均勻核（矩陣核），默認使用三角核
covar() 表示用來指定加入局部線性回歸的協(xié)變量
x() 表示檢驗這些協(xié)變量在斷點處是否存在跳躍（估計跳躍值和顯著性）
2前提檢驗
首先我們導入數(shù)據(jù)，輸入命令如下：
use?vote.dta,?clear在進行斷點回歸（RD）設計時，樣本數(shù)據(jù)需要滿足一定的前提條件，比如，斷點兩側除斷點（）處理效應外，其他因素需保持平衡（滑）以及不存在 。
而斷點回歸的前提假設：Wi的條件密度在X=c0處連續(xù)。另外進行斷點分析前，需要首先考察變量分組變量是否有內(nèi)生分組的存在，意思就是樣本個體事先知道分組原則等信息，然后通過自身選擇來選擇是否進入處理組，這樣的內(nèi)生分組將導致斷點回歸失效。即進行斷點回歸之后，我們還需要對其設定進行檢驗。具體來說，我們需要檢驗配置變量（ / / ）是否被操縱。最直接的方法是繪制配置變量的直方圖，觀察頻數(shù)在不同bin中的變化。由于bin的寬度要盡量小，這樣來看，繪制密度函數(shù)曲線進行檢驗是更好的方法。 (2008) 為判斷密度函數(shù)是否存在斷點提供了正規(guī)的檢驗。其基本句式是：
本文提供一種基于斷點兩側樣本分布密度來進行檢驗的方法：(2008)。它主要通過考察分布變量的密度函數(shù)在斷點處是否連續(xù)進而實現(xiàn)檢驗樣本是否存在選擇性偏誤，主要分為兩步檢驗：第一步，將分組變量在斷點處兩側盡量等距離細分，并計算每組的標準化頻率；第二步，使用三角核估計進行局部線性回歸，并計算密度函數(shù)估計值，然后檢驗密度函數(shù)在斷點c處是否連續(xù)。
（2008）可以通過非官方命令來實現(xiàn)，其中DC表示，可以來檢驗分組變量的密度函數(shù)在斷點處是否連續(xù)。依此判斷，是否存在內(nèi)生分組問題。
該命令的下載地址為：~//
然后將該命令的.ado下載安裝或者復制到C:\ado\plus，Mac系統(tǒng)的需要自己查詢外部命令安裝路徑，自行復制下載。命令語法格式為：
DCdensity?assign_var,breakpoint(#)?generate(Xj?Yj?r0?fhat?se_fhat)?graphname(filename)?其中， 為分組變量，必選項(#)用來指定斷點位置，(Xj Yj r0 fhat )用來指定輸出變量名，用來命名指定密度函數(shù)圖。
檢驗分組變量的密度函數(shù)是否在斷點處不連續(xù)。我們可以輸入如下的命令進行檢驗，
DCdensity?d,?breakpoint(0)?generate(Xj?Yj?r0?fhat?se_fhat)?graphname?(DCdensity_example.png)
可以看出斷點兩側密度函數(shù)估計值的置信區(qū)間有很大部分重疊，所以斷點兩側的密度函數(shù)不存在顯著差異，檢驗結果為不存在內(nèi)生分組，可以繼續(xù)進行斷點回歸分析。
3精確斷點回歸
3.1、回歸分析
首先直接進行線性回歸
上述回歸分析結果，雖然win表示當選了，會增加lne的支出，但是不顯著
3.2、選擇最優(yōu)窗寬：設置不同帶寬回歸結果的標準化格式，并通過圖形選擇-
從默認的3種窗寬mbw(100,50,200)中，選一個最優(yōu)的
rd?lne?d,?gr?bdep?oxlinembw(50)回歸結果的標準化格式，即最優(yōu)窗寬的0.5倍
mbw(100)，即最優(yōu)窗寬的1倍
mbw(200)，即最優(yōu)窗寬的2倍
最優(yōu)帶寬
3.3、也可以直接選擇默認的帶寬以及三角核進行斷點回歸，命令為
rd?lne?d,?gr?mbw(100)上面結果說明擁有民主黨派候選人當選的選區(qū)，并不能顯著的增加聯(lián)邦政府開支
3.4、也可以加入變量進行斷點回歸，命令為
rd?lne?d,?mbw(100)?cov(i?votpop?black?blucllr?farmer?fedwrkr?forborn?manuf?unemplyd?union?urban?veterans)進行斷點回歸，還需要對其進行檢驗，檢驗協(xié)變量在斷點處的條件密度是否存在跳躍
4模糊斷點回歸操作應用模糊斷點回歸
現(xiàn)在生成一個新的處理變量，使得不完全由分組變量d所決定。
set seed 20181203g byte randwin=cond(uniform()<.1,1-win, win)tabulate randwin win
結果顯示與win基本相同，但不完全相同，說明不完全由分組變量d所決定。
下面使用最優(yōu)帶寬與默認的三角核進行模糊斷點回歸。
含協(xié)變量的斷點回歸
rd?lne?randwin?d,?gr?mbw(100)?covar(i?votpop?black??blucllr?farmer?fedwrkr??forborn?manuf??unemplyd?union?urban?veterans)