方法选择 · 2026-07-11

DID 还是断点回归 RDD？政策评估识别设计怎么选

DID 与 RDD 怎么选？本文从政策时间冲击、资格阈值、对照组和局部可比性给出直接决策，并说明 ChatSRS 当前 TWFE 与 sharp RDD 的真实输出和识别边界。

直接决策答案

如果政策在某个时间点影响处理组，而你有未受影响的比较组和政策前后重复观测，DID 是更自然的识别起点。

如果政策资格由一个明确、不可随意操纵的连续指标阈值决定，阈值两侧个体在局部具有可比性，RDD 更自然。没有真实阈值就不应为了“方法高级”人为切点；有阈值也不代表可以忽略操纵、连续性和带宽检查。

DID 与 RDD 不是按哪个 p 值更小来二选一。它们利用的是不同准实验变异：DID 利用组别×时间差异，RDD 利用 cutoff 附近的局部跳跃。

设计问题对照

问题	DID	RDD
处理如何发生	某组在某时点后受政策	running variable 越过 cutoff
关键对照	未处理组的同期变化	cutoff 两侧非常接近的单位
核心假设	若无政策，两组趋势可比	除处理外，潜在结果在 cutoff 连续
主要估计对象	处理组平均变化差异	cutoff 附近的局部跳跃
常见威胁	差异趋势、同期事件、溢出	精确操纵、函数形式、带宽、阈值两侧不连续
外推范围	取决于处理组与研究总体	通常只限 cutoff 附近

若政策同时有分数线和分期实施，可能需要更复杂设计，不能简单挑一个模型后忽略另一维度。

当两种设计条件都不满足时

有些政策既没有可信未处理组，也没有不可操纵的明确阈值。此时正确答案可能是“两者都不适合”，而不是勉强选择一个。可以退回描述性趋势、受控前后比较、合成控制或其他与制度更匹配的设计，但每种替代方法仍有自己的假设。尤其不能把行政评分的任意分组线当 RDD cutoff，也不能把所有未参与地区默认当 DID 对照。明确无法识别的部分，比用复杂模型制造确定性更可靠。

研究计划中应预先写明放弃某种设计的理由，避免看完显著性后再改用另一方法。

ChatSRS 当前 DID 实现

panel_did 估计个体和时间双向固定效应，要求 0/1 treat×post 状态列，并按个体聚类。直出 DID b、SE、精确 p、星号、N、调整 R²与 0/1 观测数。

**DID 边界：**当前不直出事件研究图、政策前系数、联合平行趋势检验或安慰剂。交错实施与效应异质时，单一 TWFE 系数还需要 CSDID 等路径复核。不能把固定效应本身当作平行趋势证据。

ChatSRS 当前 RDD 实现

panel_rdd 要求 Y、running variable、cutoff 和断点右侧=1 的处理列。它在用户给定带宽内估计局部线性模型，包含处理指示、中心化 running 及交互项，使用 HC1 SE。Markdown 直出 b、HC1 SE、显著性星号、带宽、左右样本数与 N；可选依赖可用时附 rdrobust 带宽参考。

**RDD 边界：**直出 Markdown 不显示基础局部线性系数的精确 p 或 95% CI；如需报告必须基于同一结果另行计算并验证。当前不自动完成密度操纵检验、协变量连续性、安慰剂 cutoff 或多带宽敏感性，也不是完整 fuzzy RDD。treat 编码与 running≥cutoff 严重不一致时会停止。

两个可复核输入示例

DID：

评估 2019 年政策对 outcome 的影响。unit_id 是个体，year 是时间，did 仅在处理组政策后为 1，控制 baseline 和 size。做个体与时间双向固定效应、按 unit_id 聚类，报告 DID b/SE/p/N/调整 R²；明确平行趋势和动态效应尚需另做。

RDD：

政策资格由 score≥60 决定。outcome 是 Y，score 是 running，eligible 在断点右侧为 1，cutoff=60，主带宽 h=10。做 sharp RDD 局部线性 HC1，报告 b、SE、星号、左右 N；精确 p/CI 如需使用须另算验证，并明确操纵、协变量连续性和带宽敏感性未自动完成。

输入中要写清政策规则来自真实制度，而非根据 outcome 分布挑选。

输出结果如何解释

DID 系数描述在模型和识别条件下，处理组政策后相对于对照组的额外变化。RDD 处理系数描述在给定带宽和局部线性规格下，cutoff 处的结果跳跃。前者不是自动的全国平均政策效应，后者也不是远离阈值人群的平均效应。

若两种设计都可行，首先比较其识别来源是否可信，而不是比较系数大小。不同样本、不同估计对象得到不同结果并不矛盾。

论文报告模板

[DID]
本研究利用 [政策] 的组别与时间差异估计双向固定效应 DID。
did 仅在处理组政策后取 1，标准误聚类至 [unit]。
估计系数 b = [ ]（SE = [ ]，p = [ ]）。该解释以平行趋势、
无同期差异冲击和无溢出为前提，相关诊断另行报告。

[RDD]
本研究利用 [score] 在 cutoff=[ ] 处的资格规则估计 sharp RDD，
主带宽 h=[ ]。断点跳跃 b=[ ]（HC1 SE=[ ]，[星号/阈值]），
左侧 N=[ ]、右侧 N=[ ]。精确 p/CI 经另算核验后方可补充。
结论仅适用于 cutoff 附近，并以不可操纵和连续性假设为前提。

选择流程

是否存在真实、预先确定的资格阈值？有则评估 RDD 条件；
是否有可信比较组和足够政策前后期？有则评估 DID 条件；
阈值能否被精确操纵，组间趋势是否可比？
研究要回答局部阈值效应，还是处理组时间平均效应？
最后才是估计与稳健性分析。

常见问题 FAQ

Q1：同一政策可以同时做 DID 和 RDD 吗？

可以，但二者估计对象不同。应分别说明样本、识别变异和假设，不能把结果简单合并。

Q2：没有政策前数据还能做 DID 吗？

缺少政策前信息会严重削弱趋势可比性评估，通常不适合常规 DID 论证。

Q3：分数线由研究者自己取中位数，能做 RDD 吗？

不能把数据驱动切点包装成制度断点。RDD 需要外生、真实的处理规则。

Q4：哪个方法因果性更强？

没有脱离设计的排名。可信度取决于阈值规则、对照组、假设诊断和数据质量。