断点回归设计（RDD）在公共政策评估中的适用边界.docxVIP

断点回归设计（RDD）在公共政策评估中的适用边界

一、引言

断点回归设计（RegressionDiscontinuityDesign，RDD）作为一种准实验研究方法，自20世纪60年代被提出以来，凭借其接近随机实验的内部效度，逐渐成为公共政策评估领域的主流工具之一。与传统的观察性研究方法相比，RDD通过利用政策干预在某个连续变量（即分配变量）阈值处的“断点”特性，将阈值附近的个体近似视为随机分配到干预组与控制组，从而有效解决了政策评估中常见的内生性问题（LeeLemieux，2010）。近年来，随着公共政策精细化评估需求的提升，RDD被广泛应用于低保政策、教育政策、就业政策、生态政策等多个领域的效果评估中。然而，实践中也出现了不少误用RDD的案例，导致评估结果偏离政策真实效果，甚至误导政策决策。因此，明确RDD在公共政策评估中的适用边界，厘清其适用前提、典型场景与局限性，对于规范RDD的应用、提升政策评估的科学性具有重要意义。本文将从核心前提、适用场景、局限性与优化策略四个层面，系统探讨RDD在公共政策评估中的适用边界，为政策评估实践提供理论参考与方法指引。

二、RDD在公共政策评估中适用的核心前提

RDD的核心逻辑依赖于局部随机化假设，即断点附近的个体在除政策干预外的其他特征上具有同质可比性，政策分配仅由分配变量是否超过阈值决定。这一逻辑成立的基础，在于以下三个不可逾越的