断点回归设计（RDD）的实证应用条件.docxVIP

断点回归设计（RDD）的实证应用条件

引言

在因果推断方法体系中，断点回归设计（RegressionDiscontinuityDesign，简称RDD）因其“准实验”特性，被视为继随机对照试验（RCT）后最可靠的因果识别工具之一。自Thistlethwaite与Campbell于1960年首次将其应用于奖学金政策效果评估以来，RDD已广泛应用于教育、公共卫生、环境政策等领域的实证研究（ThistlethwaiteCampbell，1960）。然而，RDD的有效性高度依赖于特定条件的满足——若关键条件不成立，其估计结果可能偏离真实因果效应，甚至得出误导性结论。本文将系统梳理RDD的实证应用条件，从基础假设到检验方法逐层展开，为研究者规范使用这一方法提供参考。

一、断点回归设计的核心逻辑与条件框架

断点回归设计的核心思想是：当个体被分配到处理组或控制组的概率在某个连续变量（称为“断点变量”或“驱动变量”）的临界值处发生跳跃时，通过比较临界值附近个体的结果变量差异，可识别处理效应。例如，某地区规定考试分数超过60分的学生可获得额外辅导（处理组），分数低于60分的学生则不获得（控制组），此时考试分数即为断点变量，60分为临界值。RDD的有效性需满足一系列前提条件，这些条件可归纳为五大类：断点变量的连续性、处理状态的跳跃性、无关变量的平滑性、样本量的充分性、外生性假设的满足。这五大条