断点回归设计（RDD）在政策评估中的应用.docxVIP

断点回归设计（RDD）在政策评估中的应用

引言

在公共政策研究领域，准确评估政策效果是优化政策设计、提升治理效能的关键环节。传统观察性研究常因混淆变量干扰，难以清晰识别政策与结果间的因果关系；随机对照试验虽被视为因果推断的“黄金标准”，却受限于伦理约束与实施成本，难以广泛应用。在此背景下，断点回归设计（RegressionDiscontinuityDesign，简称RDD）作为一种准实验方法，凭借其“接近自然实验”的特性，逐渐成为政策评估领域的重要工具。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已在教育、公共卫生、社会保障等多个领域展现出强大的分析能力（ThistlethwaiteCampbell，1960）。本文将系统梳理RDD的核心原理、应用场景及技术要点，探讨其在政策评估中的独特价值与实践挑战。

一、断点回归设计的核心原理与分类

（一）RDD的基本逻辑：基于断点的因果识别

断点回归设计的核心思想是利用某个连续变量（称为“运行变量”或“分配变量”）上的临界值（即“断点”），将研究对象划分为政策干预组与对照组。当运行变量跨越断点时，干预措施的分配概率发生突变，而其他与结果相关的变量应保持连续变化。此时，断点两侧结果变量的差异可归因于政策干预，从而实现因果推断（ImbensLemieux，2008）。

例如，