断点回归设计的稳健性检验方法梳理.docxVIP

断点回归设计的稳健性检验方法梳理

一、断点回归设计的核心假定与稳健性检验的价值定位

（一）断点回归设计的基本逻辑与核心识别假定

近年来，因果推断已成为实证社会科学研究的核心范式，断点回归设计作为准实验方法中因果识别可信度最高的方法之一，在公共政策评估、劳动经济学、发展经济学、教育经济学等领域得到了极为广泛的应用。与双重差分、倾向得分匹配等依赖于较强假设的准实验方法相比，断点回归仅需利用断点附近的样本信息，通过“局部随机化”的逻辑识别处理变量与结果变量之间的因果关系，其识别假定更贴近现实场景，也更易通过数据加以验证（LeeLemieux，2010）。

断点回归的核心逻辑是：处理变量的分配完全由一个连续的排序变量是否超过某个临界值（即断点）决定，当个体无法精确控制排序变量时，断点附近的个体就近似于被随机分配到处理组和控制组，此时断点处结果变量的跳跃就可以归因于处理变量的因果效应。这一逻辑建立在两大核心假定之上：第一是排序变量的非精确操纵假定，即个体不能精准地将自己的排序变量控制在断点的某一侧，否则断点两侧的样本会存在系统性自选择偏差，破坏局部随机性；第二是断点处的连续性假定，即除了处理变量之外，所有可能影响结果变量的混淆因素，在断点处都是连续变化的，不存在系统性的跳跃（陈强，2014）。这两大假定是断点回归因果识别的基础，所有稳健性检验本质上都是围绕这两个假定的验证展开的。

（二）