RD 是一种类似于随机实验的方法，也是准实验方法中最具有可信性的方法。Lee(2008)认为在随机实验不可得的情况下，断点回归能够避免参数估计的内生性问题，从而真实反映出变量之间的因果关系。RD 方法应用的关键假设是要求在断点附近的个体的特征相同，这一假设可以通过统计分析得到检验。由此可见，RD 的吸引力不仅在于它的实验性，还在于它的因果推断可以方便地得到检验。

#03

双重差分法

近年来，DID 在政策评估研究得到了广泛应用。DID 处理选择偏差的基本思想是：允许存在不可观测因素的影响，但假定它们是不随时间变化的。

假定不可观测因素 Uit 可分解为：

Uit = φi + θt + μit

其中 φi 是个体固定效应，不随时间变化；θt 是个体所处的共同的环境带来的效应，对于所有个体而言都相同；μit 是个体时点效应。DID 假定实验组和控制 组在研究的区间内具有相同的个体时点效应，也就是说 μit 相同，因此通过对截面单位在项目实施前后的结果取差值，就能排除 φi 、θt 的影响。反之，若在政策实施条件下，个体时点效应 μit 不相同，则 DID 就不再是一致估计量。应用 DID 评估政策效应的基本步骤是利用面板数据建立双固定效应模型并估计参数：

Yit = β0 + β1Tit + β2Ait + β3Tit Ait + εit

其中，Tit = 1 表示实验组对象，反之则表示控制组对象；Ait = 1 表示政策实施后的区段，反之亦然；it Ait 是交叉项，其系数 β3 表示实验组对象在接受政策后结果变量的变动程度，反映了政策变动的效应，是目标变量。参数 β1 表示没有政策干预时，实验组与控制组的经济行为如何随时间变动，而参数 β2 则反映实验组和控制组中任何不随时间变动的差异。应用 DID 评估政策效应的一个关键假设是：当不存在政策干预时，β3 = 0 ，这一假设只有在实验组与控制组性质非常接近时才是合理的。表1概括了 DID 方法的基本原理。

Heckman 等(1985，1986)最早提出使用 DID 方法对社会公共政策的实施效应进行评估，此后对 DID 方法的研究和应用成果层出不穷，典型的有：Card 等(1990，1994)对移民政策、最低工资制度对工资和就业的影响进行了研究；Puhani(2000)对波兰1991年实施的失业救济政策改革对失业持续期的影响进行了评估；Stewart (2004)对英国1999— 2001年引入的最低工资制度对就业的影响进行了评估。

Donohue 等(2005)发现美国与加拿大的谋杀率之间具有相同的变化趋势，从而以取消死刑的加拿大作为控制组，评估了美国恢复死刑制度对降低谋杀率的影响，结果表明美国执行的死刑政策并未对社会谋杀发生率起到遏制作用；Chen 等(2008)使用中国2000个家庭的数据对世界银行发展项目的效应进行了评估。国内学者近年来也开始运用 DID 方法对政策效应进行评估，主要的研究有：周黎安等(2005)就农村税费改革对农民收入增长所产生的影响进行了评估；朱宁宁等(2008)对我国建筑节能政策的实施效应进行了评估；黄清(2009)对2002—2005年电力行业放松规制的政策效应进行了实证检验和研究；刘生龙等(2009)评估了西部大开发对于西部地区经济增长及中国区域经济收敛的作用；聂辉华等(2009)使用全国层面的企业数据，胥佚萱等(2011)使用上市公司数据分别对2004年开始在东北地区实行的增值税转型政策的影响进行了研究；俞红海(2010)基于上市公司数据，对股权分置改革的有效性进行了实证分析；李楠(2010)利用中国工业行业数据，对国有企业改革的绩效进行了评估。

DID 方法允许不可观测因素的存在，而且允许不可观测因素对个体是否接受干预的决策产生影响，从而放松了政策评估的条件，使得政策评估的应用更接近于经济现实，因而应用更广。但是，研究者在应用中也应该充分认识到 DID 方法的局限性：

(1) 数据要求更加苛刻。DID 方法以面板数据模型为基础，不仅需要横截面单位的数据，还需要研究个体的时间序列数据，特别是政策实施前的数据。因此，相比于 Matching，DID 方法要求