本文开发了一种新的野自举方法来构建模糊回归不连续设计的鲁棒偏差校正(RBC)有效置信区间(ci)，为现有的RBC方法提供了一种直观的补充。在类似Calonico et al.(2014)和相关文献提出的程序的条件下，该程序生成的ci是有效的。模拟证明，当应用于各种具有内生性和聚类特征的数据生成过程时，这种新方法至少与插入式分析修正一样准确。最后，我们通过回顾Angrist和Lavy(1999)对班级规模对学生成绩的分析来证明其实证相关性。