断点回归设计（RDD）的应用.docxVIP

断点回归设计（RDD）的应用

一、断点回归设计的核心逻辑与应用前提

（一）断点回归设计的核心逻辑

在社会科学研究中，因果关系的准确识别一直是困扰研究者的核心问题。传统回归分析往往因内生性问题难以区分因果关联与相关关系，而断点回归设计（RDD）作为一种准实验研究方法，凭借其严谨的逻辑框架为解决这一难题提供了有效路径。其核心在于利用某个连续变量（即运行变量）的临界值，将研究对象自然划分为处理组和控制组：当运行变量超过临界值时，研究对象会接受特定的处理或政策干预；未超过临界值的对象则不接受干预。由于临界值附近的研究对象在个体特征、环境条件等方面具有高度相似性，仅在是否接受干预这一点上存在差异，因此可以将两组对象的结果差异直接归因于干预本身，从而实现对因果效应的准确识别（AngristPischke，2009）。

断点回归设计的雏形最早由坎贝尔（Campbell，1969）提出，最初应用于教育评估领域，随后逐渐扩展到经济学、社会学等多个学科。与随机对照试验（RCT）相比，断点回归设计无需人为操纵样本分配，而是利用现实中已存在的临界规则形成分组，不仅降低了研究成本，还能避免RCT中可能出现的伦理问题和样本代表性偏差，因此更适合评估现实中的政策或干预效果。

（二）断点回归设计的应用前提

断点回归设计的有效性依赖于三个关键前提，只有满足这些前提，才能保证因果效应估计的可靠性。首先是运行变量的