断点回归设计RDD的稳健性检验.docxVIP

断点回归设计RDD的稳健性检验

一、引言

断点回归设计（RDD）作为社会科学领域中重要的准实验研究方法，凭借其对因果效应的精准识别能力，被广泛应用于政策评估、教育研究、劳动经济学等多个领域。与传统的观测性研究相比，RDD通过利用运行变量在临界值（断点）处的突变，将样本近似随机地划分为处理组与控制组，从而有效规避了样本选择偏差带来的因果识别难题，其结果常被视为具有较高的内部有效性（LeeandLemieux，2010）。

然而，RDD的有效性高度依赖于一系列核心假设的成立，其中最关键的是“断点处协变量连续”“运行变量无人为操纵”以及“处理效应是断点处唯一的跳跃来源”。若这些假设不成立，RDD所估计的因果效应将存在严重偏差，甚至完全失去意义。因此，稳健性检验成为RDD研究中不可或缺的环节，它通过多角度、多维度的验证，判断研究假设是否成立、结果是否可靠，是确保RDD结论严谨性与可信度的核心步骤（ImbensandLemieux，2008）。本文将围绕RDD稳健性检验的核心逻辑、关键方法、实践应用及常见误区展开详细论述，旨在为相关研究提供系统的参考框架。

二、断点回归设计稳健性检验的核心逻辑与必要性

（一）RDD的核心假设与稳健性检验的本质

RDD的核心逻辑是利用断点处的局部随机性，即当运行变量趋近于断点时，处理组与控制组的样本特征应无显著差异，除了是否接受处理这一变量外，其他所有