在回归不连续(RD)设计中，识别取决于当协变量(赋值变量)超过已知阈值时，处理概率的不连续。然而，如果用误差测量赋值变量，则治疗概率与观测到的测量错误赋值变量之间的第一阶段关系的不连续可能消失。因此，赋值变量测量误差的存在对治疗效果的识别提出了挑战。本文提供了仅观察到测量错误的赋值变量、治疗状态和结果变量时进行识别的充分条件。分别证明了离散和连续赋值变量的辨识，并研究了各种估计过程的性质。我们在一个实证应用中说明了提出的方法，其中我们估计了医疗补助的使用和它对私人健康保险覆盖的挤出效应。