计量经济学中断点回归设计（RDD）的应用.docxVIP

计量经济学中断点回归设计（RDD）的应用

引言

在计量经济学研究中，因果推断始终是核心挑战。传统回归模型常因遗漏变量、自选择偏误等问题难以准确识别因果关系，而随机对照试验（RCT）虽被视为“黄金标准”，却受限于伦理约束与实施成本。在此背景下，断点回归设计（RegressionDiscontinuityDesign，RDD）凭借其“准实验”特性，逐渐成为因果推断的重要工具。它通过利用某个关键变量（断点变量）的临界值将研究对象划分为处理组与对照组，基于断点附近个体分配的“准随机性”，有效降低内生性干扰，为政策评估、经济行为分析等领域提供了可靠的实证方法。自Thistlethwaite与Campbell于1960年首次提出以来，RDD的理论框架不断完善，应用场景持续拓展（ThistlethwaiteCampbell，1960）。本文将系统探讨RDD的应用逻辑、典型场景及实践价值，以期为实证研究提供方法参考。

一、断点回归设计的核心逻辑与分类

（一）RDD的基本原理与识别假设

RDD的核心思想是：当某个变量（如年龄、收入、考试分数）达到或超过特定临界值（断点）时，个体将被分配至处理组（接受某种政策或干预），否则进入对照组。由于断点的存在，个体在断点附近的分配近似随机——例如，某地区规定年满6周岁可入学，那么5岁11个月与6岁1个月的儿童在认知水平、家庭背景等特征上应无系统性差异，唯