断点回归设计（RDD）的应用前提与检验.docxVIP

断点回归设计（RDD）的应用前提与检验

一、断点回归设计的方法定位与识别逻辑

（一）RDD的发展演进与学术价值

作为社会科学因果推断领域最重要的准实验方法之一，断点回归设计最早由教育研究者提出，用于评估奖学金项目的学业影响，在提出后的数十年间，经过计量经济学领域的理论完善，逐步形成了成熟的分析框架。和其他准实验方法比如双重差分、工具变量相比，RDD的识别逻辑更加透明，依赖的假设更加清晰可验证，因此被学者认为是所有非实验因果识别策略中可信度最接近随机对照实验的方法（Lee和Lemieux，2010）。近二十年来，RDD的应用场景不断拓展，从最初的教育学评估延伸到公共政策评估、环境经济学、劳动经济学、健康经济学甚至政治学研究领域，相关应用成果在顶级学术期刊的占比持续提升，为各类干预措施的效果评估提供了大量可信的经验证据（Cattaneo等，2020）。但与此同时，RDD在应用中也出现了不少滥用、误用的问题：部分研究者对RDD的核心应用前提缺乏清晰认知，随便找到一个连续变量上的阈值就开展断点回归，甚至为了得到显著结果刻意调整样本范围、选择断点位置，缺乏对识别有效性的规范检验，导致不少研究结论存在严重偏误，不仅无法提供可信的学术参考，甚至可能误导公共政策的制定。在这样的背景下，系统梳理RDD的核心应用前提，明确对应的规范性检验方法，既是提升相关研究质量的基础要求，也是保障因果推断结论可信度