断点回归设计（RDD）的识别假设与稳健性检验.docxVIP

断点回归设计（RDD）的识别假设与稳健性检验

一、引言

在社会科学研究中，因果推断是揭示变量间真实因果关系的核心目标，但传统回归分析往往因内生性问题难以实现这一目标。断点回归设计（RegressionDiscontinuityDesign，RDD）作为一种准实验研究方法，凭借其近似随机实验的特性，能够有效解决选择偏差和内生性问题，成为政策评估、项目效果分析等领域的重要工具（LeeLemieux，2010）。RDD的核心逻辑是利用“运行变量”在特定断点处的间断性分配规则，将样本划分为处理组（运行变量超过断点）和控制组（运行变量低于断点），通过比较断点附近两组的结果差异来识别处理效应。然而，RDD的因果识别能力高度依赖于其内在识别假设的成立，而这些假设大多无法直接观测，因此需要通过系统的稳健性检验来验证假设合理性、保障估计结果的可信度。本文将首先阐述RDD的核心识别假设，然后详细论述对应的稳健性检验方法，最后总结RDD在因果推断中的应用价值与发展方向。

二、断点回归设计的核心识别假设

（一）连续性假设：潜在结果与协变量的局部连续性

连续性假设是RDD最核心的识别基础，它要求在断点处，除处理状态本身外，所有影响结果变量的因素——包括个体的潜在结果和可观测协变量——都随运行变量连续变化（LeeLemieux，2010）。具体而言，对于未接受处理的个体，其潜在结果在断点处不会出现