断点回归设计的有效性检验.docxVIP

断点回归设计的有效性检验

一、引言：断点回归设计与有效性检验的核心价值

因果推断是社会科学研究的核心目标之一，旨在准确识别变量之间的因果关系，而非简单的相关性。断点回归设计（RegressionDiscontinuityDesign，简称RDD）作为一种准实验方法，凭借其利用“断点”处的局部随机分配特性，有效减少了内生性问题的干扰，成为近年来应用广泛的因果推断工具之一。与随机对照试验（RCT）相比，RDD无需人为干预，仅依赖现实中存在的规则性断点（如政策实施的临界值、资格认定的分数线等），因此在无法开展实验的场景中具有独特优势（LeeandLemieux，2010）。

然而，RDD的因果识别效力并非天然成立，其有效性高度依赖一系列关键假设的满足。如果这些假设被违背，基于RDD得到的处理效应估计可能存在偏差，甚至完全错误。因此，对RDD进行全面、严谨的有效性检验，是确保研究结论可靠的核心环节。本文将系统梳理RDD有效性检验的逻辑基础、核心维度、拓展策略及实践误区，为研究者规范应用RDD方法提供参考。

二、断点回归设计的核心假设与有效性检验的逻辑基础

（一）断点回归设计的核心内涵

断点回归设计的基本逻辑是：存在一个连续的“运行变量”（也称为分配变量），当该变量的值超过某个预先设定的临界值（即断点）时，个体将接受某种“处理”（如政策干预、项目参与等），而低于临界值的个体则不接受处