断点回归设计（RDD）的识别与估计.docxVIP

断点回归设计（RDD）的识别与估计

一、引言

社会科学研究的核心目标之一是识别变量间真实的因果关系，而因果推断的最大难题在于反事实的不可观测性——研究者无法同时观测到同一个体在接受处理和不接受处理两种状态下的结果，因此必须借助合理的研究设计构造可信的反事实参照组。在各类准实验研究方法中，断点回归设计凭借识别逻辑清晰、假设可验证性强、估计结果贴近随机实验结论的特点，在经济学、政治学、社会学、公共政策评估等领域得到了广泛应用，被学界普遍认为是观测数据场景下开展因果推断最具可信度的方法之一。但在实际应用过程中，部分研究者对RDD的核心识别逻辑理解不到位，估计过程中存在方法误用、结果解读偏差等问题，导致研究结论的可信度受损。本文将从RDD的核心逻辑出发，由浅入深梳理其识别假设与不同场景下的识别策略，进而介绍常用的估计方法与选择原则，分析应用过程中的常见误区及对应的稳健性检验方案，最后对RDD的应用价值与发展方向进行总结，为研究者规范使用这一方法提供系统参考。

二、断点回归设计的核心逻辑与适用前提

（一）RDD的基本思想起源

断点回归设计的思想最早来源于教育政策效果评估场景：在奖学金评定过程中，奖学金发放通常严格按照考试分数划定明确的分数线，分数高于阈值的学生可以获得奖学金，低于阈值的学生则无法获得。研究者观察到，对于分数刚好在分数线附近的学生而言，几分之差往往由偶然因素导致，比如考试时的临