自2007年来，墨西哥毒品犯罪事件日益严重，政府当局为此倾注较大努力来铲除。由于打击政策并非随机抉择，简单的OLS难以识别其真实效果。哈佛大学Melissa Dell教授即将发表在American Economic Review上论文“Tracking Networks and the Mexican Drug War”利用墨西哥国家行动党（National Action Party）在选举边界上差异，结合断点回归（Regression Discontinuity）及网络模型评估了该国禁毒打击政策直接及溢出效应。
在墨西哥，国家行动党是禁毒运动倡导者，来自该党的市长也会将禁毒作为其主要政策目标。由于影响毒品活动相关因素在国家行动党大比例选票获胜与败选区间存在较大差异，潜在遗漏变量问题导致打击政策效果难以评估。但是在那些该党派以微弱优势赢得或微弱劣势败选地区，二者间可以近似认为不存在系统性差异，也就是说选举结果外生于地区特征及毒品犯罪发展趋势，这为采用断点回归技术识别政策效果提供了机会。
作者基于2007年至2010年选举及2006年到2011年毒品犯罪等相关数据进行实证分析。考虑到断点回归设计要求，本文首先考察了其前提条件：除断点（Cutoff）处理效应外，其他因素需在断点两侧保持平衡（滑）。具体而言，本研究分别进行了如下检验：（1）地区特征：政治、人口、经济、公路网络以及地理因素不存在显著性差异。（2）基于地区选举前特征预测（估算）事后毒品犯罪率——两侧犯罪发展趋势也不存在显著性差异。随后，作者基于不同数据窗口（Bandwidth），利用不同多项式进行断点回归发现结果如下：（1）政策实施地区暴力冲突增加。由于打击削弱了该辖区毒品交易在位者实力，使得竞争对手开始抢夺该区毒品控制权，进而引发贩毒者间大量暴力冲突。具体而言，政策导致辖区每年每十万人种毒品交易相关杀人犯增加27-33人，且该效应在市长整个任期均存在；同时该区毒品交易相关暴力活动也比非政策地区增加5.5倍；另外，毒贩警察间对抗事件也增多。（2）当政策导致某地区不利于从事毒品相关活动时，贩毒者会转移到周边辖区。利用网络模型（Network Model），作者发现毒品交易者会绕开政策实施地区，但出于运输成本考虑会选择到达美国最近距离路线。同时该行为引发周边辖区毒品相关暴力活动增加4.8%到6.2%，每十万人中毒品相关杀人犯比率增加0.54。最后，作者基于不同数据回归窗口、不同断点多项式、不同样本以及不同分析时间（月度）长度进行检验，发现结论依旧稳健。
综上所述，本文利用断点回归实证检验毒品打击政策效果，并第一次基于网络模型识别政策溢出效应。研究发现打击并没有取得预期效果，反而增加该区与毒品相关 暴力活动；同时打击也导致毒品运输路线转移及政策实施周边地区毒品犯罪增加。虽然本文以墨西哥为案例进行研究，但考虑到全世界范围内依旧存在大量毒品相关 暴力活动及高额打击政策支出，本文发现具有普遍的政策含义。
