断点回归RDD设计的操作步骤与稳健性检验.docxVIP

断点回归RDD设计的操作步骤与稳健性检验

一、引言

在社会科学实证研究中，准确识别变量之间的因果关系是核心目标之一。传统的相关性分析往往难以区分因果与关联，而断点回归（RegressionDiscontinuityDesign，简称RDD）作为一种准实验研究方法，因能有效克服内生性问题、接近随机实验的因果推断效力，近年来被广泛应用于政策评估、教育研究、劳动经济学等多个领域（Lee和Lemieux，2010）。与双重差分（DID）、倾向得分匹配（PSM）等方法相比，RDD的核心优势在于其识别依赖于较弱的假设：仅需假设在断点附近，个体无法精确操控运行变量，从而保证断点两侧的个体在可观测和不可观测特征上具有可比性（Lee，2008）。

尽管RDD的应用场景广泛，但如果操作不规范或忽略稳健性检验，其结果的可靠性将大打折扣。不少实证研究因未严格遵循RDD的操作流程，或未进行全面的稳健性检验，导致结论存在偏差甚至错误。因此，系统梳理RDD设计的操作步骤，并明确稳健性检验的核心维度，对于提升实证研究的科学性和严谨性具有重要意义。本文将以总分总结构，先概述RDD的核心逻辑，再详细阐述其操作步骤与稳健性检验方法，最后总结RDD应用的关键要点并展望其未来发展方向。

二、断点回归RDD设计的操作步骤

（一）明确研究问题与断点设定

开展RDD设计的第一步是明确研究问题，即确定要评估的处理效应是什么，比