断点回归设计在公共政策评估中的边界条件.docxVIP

断点回归设计在公共政策评估中的边界条件

引言

公共政策评估的核心目标是准确识别政策干预与实际效果之间的因果关系。在因果推断方法体系中，断点回归设计（RegressionDiscontinuityDesign,RDD）因其“准实验”特性，被学界誉为“最接近随机对照试验的观测性研究方法”（ImbensLemieux,2008）。该方法通过利用政策实施中自然存在的“断点”（如年龄阈值、分数线、收入标准等），将个体分为“干预组”与“对照组”，通过比较断点两侧结果变量的差异，估计政策的净效应。然而，RDD的有效性高度依赖特定的前提条件，若忽略其应用边界，可能导致估计结果偏差甚至错误结论。本文聚焦“边界条件”这一关键命题，从数据特征、政策设计、方法操作及外部效度四个维度，系统探讨RDD在公共政策评估中的适用范围与限制条件。

一、断点回归设计的核心逻辑与基础假设

（一）RDD的基本原理与分类

断点回归设计的核心思想源于“临界值决定干预分配”的现实场景。例如，某救助政策规定家庭年收入低于5万元可获得补贴，5万元即为断点，收入略低于断点的家庭（干预组）与略高于断点的家庭（对照组）在基本特征上应具有高度相似性，仅因是否跨越断点而接受不同干预。根据干预分配与断点的严格程度，RDD可分为“精确断点回归”（SharpRDD）与“模糊断点回归”（FuzzyRDD）：前者指所有断点一侧的个体必然