断点回归设计（RDD）在公共政策效果评估中的应用边界.docxVIP

断点回归设计（RDD）在公共政策效果评估中的应用边界

一、引言

公共政策的效果评估是政策制定、调整与优化的核心依据，直接关系到公共资源的配置效率与社会福利的提升。近年来，断点回归设计（RDD）凭借其在解决因果推断内生性问题上的独特优势，逐渐成为公共政策评估领域的主流方法之一。与传统的回归分析、双重差分法等相比，RDD通过利用政策实施中存在的明确阈值（断点），将样本划分为干预组与控制组，在断点附近近似实现“局部随机化”，从而更准确地识别政策的因果效应（LeeLemieux，2010）。

然而，任何研究方法都有其适用范围与局限性，RDD也不例外。随着RDD在公共政策评估中的应用日益广泛，其应用边界问题逐渐受到学界关注：部分研究在未充分考量前提条件、政策类型、数据特征等因素的情况下盲目使用RDD，导致评估结果出现偏差，甚至误导政策决策。因此，系统梳理RDD在公共政策效果评估中的应用边界，明确其适用场景与限制条件，对于提升政策评估的科学性与准确性具有重要的理论与实践意义。本文将从核心前提、政策类型、数据特征、结论外推及实践操作五个维度，深入探讨RDD的应用边界，并提出合理运用该方法的建议。

二、RDD应用的核心前提边界

RDD的因果推断效力建立在一系列严格的前提条件之上，这些条件构成了其应用的基础边界，一旦违反，RDD的估计结果将失去因果解释力。

（一）精准断点与无操纵的赋值规则

RD