我们考虑不可分离模型中的非参数识别和估计，其中感兴趣的连续回归量是已知的，确定的，但观察到的赋值变量的弯曲函数。这种设计出现在许多制度环境中，其中一个政策变量(如每周失业救济金)是由一个观察到的但可能是内生的分配变量(如以前的收入)决定的。我们提供了关于这些设置的识别和估计的新结果，并应用我们的结果来获得关于失业救济金率的失业弹性的估计。我们描述了一类广泛的模型，其中锐利的“回归扭折设计”(RKD或RK设计)确定了一个易于解释的治疗参数(Florens et al.(2008))。我们还引入了“模糊回归设计”泛化，允许分配规则中省略的变量，不合规，以及分配变量和策略变量的观测值中的某些类型的测量误差。我们的识别假设对赋值变量和预定协变量在拐点周围的分布产生了可测试的限制，类似于Lee(2008)对回归不连续设计的限制。然后，我们使用模糊RKD方法来研究奥地利的失业保险福利对失业持续时间的影响，在奥地利，福利计划在最低和最高福利水平存在扭曲。我们的首选估计表明，在奥地利，UI福利慷慨度的变化对低工资和高工资UI受益人的失业持续时间产生了相对较大的影响。
