断点回归设计(RDD)的局部有效性检验方法.docxVIP

断点回归设计(RDD)的局部有效性检验方法

一、引言

因果推断是社会科学研究的核心目标之一，旨在准确识别自变量与因变量之间的因果关系。断点回归设计（RegressionDiscontinuityDesign,RDD）作为一种准实验研究方法，因能够模拟随机实验的分组逻辑，被学界视为最接近随机实验的因果推断工具之一，甚至被称为“上帝的实验”（LeeLemieux,2010）。RDD的核心逻辑是基于一个连续的“运行变量”，当运行变量超过某个临界值（即断点）时，个体被分配到处理组，否则分配到控制组。其有效性的关键前提假设是“局部随机性”，即断点附近的个体在除处理变量外的其他特征上是近似随机分布的，这一假设也被称为RDD的“局部有效性”。

然而，局部有效性并非天然成立。在实际研究中，个体可能通过操纵运行变量来主动选择是否进入处理组，或者断点处可能存在其他未观测到的混淆变量，导致断点两侧的个体特征存在系统性差异，进而使因果效应估计产生偏差。因此，对RDD的局部有效性进行严格检验，是确保研究结论可信的必要步骤。本文将系统梳理RDD局部有效性检验的核心内涵与各类方法，探讨不同检验方法的适用场景与操作要点，为相关研究提供规范的检验框架。

二、RDD局部有效性的核心内涵

（一）局部随机性的本质

RDD的局部有效性本质上是指，在断点附近的极小邻域内，运行变量的取值是随机的，个体无法精确控制运