断点回归设计（RDD）在政策评估中的适用条件与操作.docxVIP

断点回归设计（RDD）在政策评估中的适用条件与操作

一、断点回归设计的核心内涵与政策评估价值

（一）断点回归设计的基本定义

断点回归设计（RegressionDiscontinuityDesign，简称RDD）是一种用于因果推断的计量方法，其核心逻辑是基于某个连续的“运行变量”（也称为分配变量）的断点，将研究样本划分为接受政策干预的处理组和未接受干预的控制组。与传统的回归分析或匹配方法不同，RDD利用断点附近样本的特征相似性，近似模拟随机实验的场景，从而有效识别政策干预的因果效应（ThistlethwaiteCampbell，1960）。

具体来说，当政策的实施规则明确依赖于某个连续变量的临界值时，比如家庭收入低于某一标准才能享受补贴、学生考试分数达到某一分数线才能进入重点中学，断点两侧的样本在除政策干预外的其他特征上应该是连续分布的，此时两组样本的结果差异就可以归因于政策本身，而非其他混淆变量的影响。这种“局部随机化”的特性，使得RDD在解决内生性问题上具有独特优势，成为近年来政策评估领域应用最广泛的方法之一。

（二）RDD在政策评估中的独特优势

在公共政策评估中，准确识别政策的因果效应一直是核心难题，因为政策的实施往往并非随机分配，存在自选择偏差或遗漏变量等内生性问题。而RDD的优势恰好能弥补这一缺陷：首先，它不需要依赖太多的假设前提，仅要求运行变量的分布在断点处连续，