因果推断中的断点回归设计（RDD）实践.docxVIP

因果推断中的断点回归设计（RDD）实践

引言

在因果推断的研究领域中，如何从观测数据中准确识别变量间的因果关系，始终是学者们面临的核心挑战。传统的随机对照试验（RCT）虽被视为因果推断的“金标准”，但受限于伦理、成本或可行性，许多现实问题无法通过实验设计解决。此时，基于自然实验的观测性研究方法应运而生，断点回归设计（RegressionDiscontinuityDesign，RDD）正是其中的典型代表。

RDD通过利用某个“断点”的外生特征——即当某个关键变量（驱动变量）跨越特定阈值时，个体被分配到处理组或控制组的概率发生突变——从而近似模拟随机实验的效果。这种方法既能避免传统观测研究中混淆变量的干扰，又能在无需主动干预的情况下识别因果效应，因此在经济学、教育学、公共政策评估等领域被广泛应用。本文将围绕RDD的实践应用展开，从原理阐释到操作步骤，从关键检验到案例分析，系统梳理其核心逻辑与实践要点。

一、断点回归设计的基本原理与类型

（一）核心思想：利用断点处的“自然实验”

RDD的核心思想可概括为“断点处的不连续性”。假设存在一个驱动变量（RunningVariable），例如学生的考试分数、居民的年龄、企业的规模等，当该变量超过某个临界值（断点）时，个体将被“强制”或“大概率”接受某种处理（如获得政策补贴、享受公共服务）。此时，断点两侧的个体在驱动变量上的差异极小（例如分数仅差1分的学生），理论上可视为“近似随机分配”，从而排除了其他混淆变量的系统性影响。

举个简单例子：某地区规定，中考分数达到600分的学生可进入重点高中（处理组），分数低于600分的学生进入普通高中（控制组）。若我们想研究“进入重点高中”对高考成绩的影响，只需比较600分附近（如595-605分）学生的高考成绩差异，即可近似得到因果效应。这是因为，在断点附近，学生的其他特征（如家庭背景、学习能力）不会因分数的微小差异而显著变化，处理组与控制组的差异可归因于“进入重点高中”这一处理。

（二）清晰断点与模糊断点的区分

根据处理分配规则的严格程度，RDD可分为“清晰断点设计”（SharpRDD）和“模糊断点设计”（FuzzyRDD）。

清晰断点设计中，驱动变量跨越断点是处理分配的充分必要条件。例如，某政策规定“年满18周岁可领取补贴”，则年龄=18岁是严格的断点——18岁及以上必然领取补贴（处理组），18岁以下必然不领取（控制组）。此时，处理变量在断点处的跳跃概率为100%，因果效应可通过断点两侧结果变量的均值差直接估计。

模糊断点设计中，驱动变量跨越断点仅改变处理分配的概率，而非绝对决定。例如，某奖学金政策规定“成绩前10%的学生有资格申请”，但实际获得奖学金的学生中可能有9%来自前10%、1%来自后90%（如特殊加分）。此时，处理变量在断点处的跳跃概率小于100%，需要通过工具变量法（IV）估计因果效应——将“是否跨越断点”作为工具变量，识别处理对结果的影响。

两种设计的核心区别在于处理分配的严格性，但底层逻辑一致：通过断点处的不连续变化，分离出处理效应。

（三）适用场景与关键假设

RDD适用于存在明确断点规则的政策或自然场景，常见如教育分段（年龄、分数）、公共服务覆盖（收入线、地域边界）、法律实施（年龄、金额）等。其有效性依赖于两个关键假设：

局部随机化假设：在断点附近，个体无法精确操纵驱动变量。例如，学生无法精确控制中考分数恰好达到600分，企业无法精确调整收入恰好低于免税门槛。若个体能主动操纵驱动变量（如为获取补贴故意压低收入），则断点两侧的个体可能存在系统性差异，破坏“近似随机”的前提。

连续性假设：除处理变量外，其他影响结果的变量在断点处连续变化。即，断点不会导致其他混淆变量（如家庭支持、教学资源）出现跳跃式变化，否则结果变量的跳跃可能被错误归因于处理效应。

这两个假设需在实践中通过严格检验（后文将详细展开），以确保RDD的有效性。

二、RDD实践的关键步骤

从研究设计到结果输出，RDD的实践可分为数据准备、模型设定、结果检验三大核心步骤。每个步骤的细节处理直接影响结论的可靠性。

（一）数据准备：驱动变量与断点的精准识别

数据准备阶段的关键是明确“驱动变量”“断点”“处理变量”“结果变量”四大核心变量，并确保数据质量。

首先，驱动变量的选择需满足“外生性”与“可测量性”。外生性指驱动变量的变化不受处理或结果变量的影响（如年龄、自然分数）；可测量性指数据需精确记录驱动变量的取值（如精确到天的出生日期、精确到分的考试成绩）。若驱动变量测量误差较大（如仅记录“18岁以上”而非具体年龄），会模糊断点两侧的边界，降低估计精度。

其次，断点的确定需基于明确的规则（如政策文件、制度规定）。例如，研究“最低刑事责任年龄”对犯罪率的影响时，断点应设定为法律