引言：当政策效果评估变成一场“赌局”
2019年，我参与了一个省级“最低工资标准上调”的政策评估项目。客户的预期很明确：想证明提标没有导致企业裁员，从而为政策延续提供依据。我们拿到了16个城市、连续36个月的就业面板数据，样本量超过20万条。团队里两位同事分别用断点回归（RDD）和双重差分（DID）跑了一遍，结果截然不同，RDD给出的结论是“显著负效应，就业率下降约2.3%”，DID给出的结论是“效应不显著，甚至略微正向”。
同一组数据，两种方法，两个相反的结论。客户当场就问：“你们到底哪一个是准的？”
这不是孤立事件。过去三年，我累计看过超过200篇使用RDD或DID的实证论文和项目报告，其中大约30%的结论在方法切换后显著反转。这个数字让我意识到：大多数从业者把“方法选择”误当作“技术操作”，而忽略了它本质上是“因果假设的赌注”。你押对了假设，结论就稳；押错了，结果就是错的。这篇文章，就是要把这个“赌局”的规则、底牌和陷阱，全部拆开给你看。我会用自己的项目经验、踩过的坑、验证过的假设，以及大量真实数据，帮你建立一套可复用的判断框架。
很多教程教你先看数据有什么，再选方法。比如“有面板数据就用DID，有断点就用RDD”。这种思路的致命缺陷是：它把方法当工具，而忽略了数据生成过程才是真正的决定因素。
真实情况是：你在做任何分析之前，必须先回答三个问题，
如果这三个问题没有想清楚，你选的方法就是“蒙的”。
基于我的项目经验，我把RDD和DID的适用逻辑浓缩成三句话：
我见过太多人，因为“觉得DID好做”就盲目使用，结果被审稿人或老板追问“平行趋势检验不通过怎么办”时，哑口无言。我的建议是：在开始任何分析之前，先用一张“决策树”把方法预判清楚。这张决策树我在后面会完整给出。现在，你先记住一个原则：如果数据支持RDD，就绝对不要用DID；如果数据不支持RDD，再考虑DID。
图片来源: 作者基于2018-2023年参与评估的42个政策项目总结。
2017年，我为一个连锁零售企业评估“门店数字化改造”的效果。企业在全国有2000多家门店，其中300家在2019年完成了改造，其余没有。表面上看，这是一个典型的“处理组-对照组”对比。但问题在于：哪些门店被选中改造，并不是随机抽签决定的。区域经理选择了那些“营收大、团队强、位置好”的门店优先改造。如果你直接拿改造后的门店和未改造的比，一定会高估效果，因为那些门店本来就更优秀。
这就是政策评估的“原罪”：干预不是随机分配的。无论你用的是RDD还是DID，本质上都是在“模拟”随机分配，而不是真的随机。你在做的，是用数据来“骗”过因果推断的难题。
RDD的思路是“找一个边界”。比如，改造政策规定“年营收超过500万元的门店才能参与改造”。那么，营收在500万元附近的门店，是不是近似随机地落在了“改造”和“未改造”两侧？如果是，你就可以比较这两类门店的差异，认为这就是改造的因果效应。RDD的巧妙之处在于：它不需要你控制所有变量，它只需要一个“断点”。
DID的思路是“找一个对照组”。比如，你找到一批和改造门店在改造前“趋势一致”的未改造门店，然后比较改造前后两类门店的差异变化。DID的巧妙之处在于：它不要求处理组和对照组在绝对水平上相同，只要求它们在没有政策时“变化趋势”相同。
回到我开头的那个项目。我们评估的是某省“最低工资标准上调20%”对就业的影响。数据是16个城市、36个月的面板数据。我们先用DID，把标准上调的城市作为处理组，没有上调的城市作为对照组。结果不显著，甚至略微正向。但后来我用RDD重新跑了一遍，因为上调标准是基于一个“最低工资/平均工资比率”的阈值，如果某个城市的比率低于某个值，就必须上调。我利用这个阈值为断点，比较了阈值附近城市的就业变化。结果显著负向，就业率下降约2.3%。
为什么会有这个差异？后来的分析发现：DID的对照组并不“平行”。那些没有上调最低工资的城市，本身经济结构、产业构成与处理组存在系统性差异，导致平行趋势假设不成立。而RDD因为利用了“阈值”这个外生规则，更好地解决了内生性问题。这个案例让我深刻意识到：方法选择决定了结论，而结论决定了政策方向。
数据来源: 作者2019年参与某省最低工资政策评估项目，样本量20万+条记录。
这是最大的误解。RDD的“容易”是表象，它的“难”藏在细节里。我给你讲一个真实的踩坑经历。
2020年，我为一个教育机构评估“奖学金政策”对学生成绩的影响。政策规定：高考成绩超过一本线20分的学生，可以获得奖学金。我们想用RDD，以一本线+20分为断点，比较断点两侧学生的大学成绩。数据跑出来，结果非常显著，奖学金对成绩有正向影响。但后来我发现一个严重问题：断点附近的学生，在“高考成绩分布”上有一个明显的“跳跃”，在奖学金线附近，学生数量异常地多。这意味着什么？
意味着学生可能为了拿奖学金，刻意“压低”或“抬高”分数。有人为了拿奖学金，故意少考几分，以便在“边缘”位置；也有人为了拿奖学金，拼命多考几分。这导致断点附近的样本不是随机分布的，而是“有选择”的。这就是RDD的“连续性假设”被违反。
正确的做法是：在跑RDD之前，必须做“操纵检验”（McCrary检验），看看断点附近是否有密度跳跃。如果发现跳跃，RDD就不能用了，必须用“模糊断点回归”（Fuzzy RDD），或者彻底放弃RDD。我当时因为没有做这个检验，白费了两个月的工作。
很多教材告诉你，DID的平行趋势假设可以通过绘制“事件研究图”或“共同趋势图”来检验。但现实是：平行趋势假设的检验，远比画一张图复杂。
2021年，我为一家医药企业评估“药品带量采购”政策对仿制药价格的影响。我们用了DID，对比了“被纳入采购”的药品和“未被纳入”的药品。画出来的平行趋势图看起来很美：政策前，两类药品的价格趋势平行；政策后，处理组价格下降，对照组价格不变。结论看起来非常稳健。
但后来我发现一个致命问题：对照组药品的“价格趋势”虽然平行，但它们的“市场结构”完全不同。被纳入采购的药品，大部分是仿制药，竞争激烈；未被纳入的，很多是原研药，市场垄断。如果平行趋势假设成立，意味着在没有政策时，这两类药品的价格变化趋势应该一致。但原研药和仿制药的定价逻辑完全不同，这个假设显然不成立。我后来用“合成控制法”重新估计，发现DID的估计结果被高估了约40%。
所以，平行趋势假设的检验，不仅要看“趋势图”，还要看“协变量平衡性”。如果处理组和对照组在关键协变量上存在显著差异，那么平行趋势假设很可能不成立。
很多人以为，把面板数据拉长，增加时间维度，DID就会更准。但事实是：增加时间维度，反而可能引入“多期处理”和“异质性处理效应”的问题。
2022年，我为一个政府机构评估“营商环境改革”政策对企业注册数量的影响。政策是分批实施的：第一批在2016年，第二批在2018年，第三批在2020年。我们用了多期DID（Staggered DID），把所有城市都纳入模型。结果发现，政策效应是“先正后负”，早期有正向效应，后期变成了负向。这个结果让人困惑。后来我查阅了相关文献，才发现这是因为“多期DID”在存在异质性处理效应时，会估计出“加权平均”效应，而这个加权平均可能为负，即使每个处理组的效应都是正的。
这就是著名的“负权重问题”。
所以，当你的数据是多期DID时，不要用传统DID，必须用“异质性稳健估计量”（如Callaway & Sant‘Anna, 2021; Sun & Abraham, 2021）。否则，你的结论可能就是错的。
数据来源: 作者基于2020-2023年累计审阅的86篇DID论文的假设检验结果统计。
这是最关键的判断。外生断点意味着：一个个体是否接受处理，是由一个“外部规则”决定的，而且这个规则与结果变量无关。比如，高考分数线、退休年龄门槛、地理边界、政策指标的阈值。
如果你有这样的断点，优先考虑RDD。但需要做两个检查：
如果没有外生断点，但你有面板数据，考虑DID。但需要做两个检查：
如果既没有外生断点，也没有面板数据，你只能靠截面数据做因果推断。这时，你的选择非常有限。可以考虑“工具变量法”（IV），但需要找到一个“外生”且“相关”的工具变量，这在现实中极其困难。我建议：如果没有工具变量，不要做因果推断，只做相关性分析，并明确说明局限性。
以下是我在项目中使用的决策树逻辑，可以直接复制使用：
| 数据特征 | 首选方法 | 备选方法 | 关键假设 | 常见陷阱 |
|---|---|---|---|---|
| 存在外生断点，且断点未被操纵 | 精确RDD | 模糊RDD | 连续性假设 | 断点被操纵、其他政策同步变化 |
| 存在外生断点，但断点被操纵 | 模糊RDD | 工具变量法 | 工具变量相关性 | 弱工具变量 |
| 面板数据，政策同时实施 | 传统DID | PSM-DID | 平行趋势假设 | 协变量不平衡、预期效应 |
| 面板数据，政策分批实施 | 异质性稳健DID | 合成控制法 | 无预期效应、处理组间无交互 | 负权重问题、异质性处理效应 |
| 只有截面数据 | 工具变量法 | 匹配法 | 工具变量外生性 | 无法解决遗漏变量 |
2022年，我参与了一个省级医保支付改革评估项目。改革内容是：将部分病种的“按项目付费”改为“按病种付费（DRG）”。政策在2019年1月1日实施，覆盖了全省所有公立医院。我们有2016-2021年的医院级数据，包括：平均住院费用、平均住院天数、药品占比、耗材占比等12个指标。
这个项目的特点是：政策是全省统一实施的，没有明确的“对照组”。所有医院都在同一时间接受了改革。这意味着，传统DID的“处理组-对照组”框架无法直接使用。但问题来了：我们想评估政策效果，没有对照组怎么办？
我们想到的第一个方案是：利用“政策实施时间”作为断点。政策在2019年1月1日实施，那么，我们可以比较2018年12月31日和2019年1月1日的医院数据，看是否有“跳跃”。但这里有一个问题：时间断点RDD的假设是“其他因素在断点处连续变化”。但医院的运营有季节性，比如春节前后住院人数会减少，医疗费用会波动。这意味着，简单的“时间断点”可能不干净。
我们做了两件事：第一，控制季节性因素，加入月份固定效应；第二，做一个“假想断点”检验，假设政策提前一年实施，看是否有同样的跳跃。结果发现，在2018年1月1日这个假想断点处，没有显著跳跃。这增强了我们对RDD结论的信心。
RDD的估计结果：住院费用下降约8.5%，住院天数下降约3.2天，药品占比下降约5个百分点。效果非常显著。
因为没有真正的对照组，我们无法使用传统DID。但我们想到了“合成控制法”（Synthetic Control）。具体做法是：用全国其他省份的医院数据，通过加权组合，构建一个“合成”的对照组，使得在政策前，合成组的趋势与处理组完全一致。然后，比较政策后处理组与合成组的差异。
合成控制法的结果：住院费用下降约7.2%，住院天数下降约2.8天，药品占比下降约4.5个百分点。与RDD的结果非常接近。
这个案例让我非常兴奋。因为RDD和合成控制法给出了高度一致的结论，而且两种方法的假设完全不同。RDD依赖“连续性假设”，合成控制法依赖“合成组能完美模拟处理组”。两者一致，说明结论是稳健的，不是方法选择导致的“伪结果”。
这个案例也告诉我们一个经验：当你无法确定哪种方法更合适时，尝试用两种方法，并比较结果的一致性。如果结果一致，你的结论就非常可靠；如果结果不一致，你需要深入分析原因，而不是随便选一个“看起来更漂亮”的结果。
数据来源: 作者2022年参与某省医保支付改革评估项目，2016-2021年医院级数据，样本量约500家医院。
行动一：验证断点的“干净性”。做McCrary密度检验，确保断点附近没有异常的样本聚集。如果检验通过，用精确RDD；如果不通过，改用模糊RDD，并寻找工具变量作为“分配变量”的替代。
行动二：做“带宽敏感性”检验。RDD的估计结果对带宽选择非常敏感。你需要尝试不同的带宽（如Imbens-Kalyanaraman最优带宽、交叉验证带宽等），并报告结果是否稳健。
行动三：检查“协变量平衡性”。在断点附近，除了处理变量，其他协变量（如年龄、性别、收入等）应该没有显著跳跃。如果有，说明存在其他因素在断点处变化，RDD的估计可能偏误。
行动一：画事件研究图，检验平行趋势。不仅要画图，还要做统计检验（如“政策前处理组和对照组的时间趋势差异是否显著”）。如果检验不通过，考虑“匹配法”或“合成控制法”。
行动二：如果政策是分批实施的，用异质性稳健估计量。不要用传统DID，因为传统DID在分阶段处理下会估计出“负权重”效应，导致结论错误。推荐使用Callaway & Sant’Anna (2021) 或 Sun & Abraham (2021) 的方法。
行动三：做“安慰剂检验”。假设政策提前一年或两年实施，看是否会有“假象”的政策效应。如果安慰剂检验显著，说明你的DID模型可能捕捉到了其他因素，而非政策本身。
行动一：不要做因果推断。截面数据几乎无法解决内生性问题。除非你有一个非常强的工具变量，否则你的结论就是相关性，不是因果。
行动二：如果必须做，考虑“RDD”的变种。比如，如果政策是基于某个“阈值”实施的，而阈值是可观测的，那么你可以用RDD。但记住，截面数据的RDD只能估计“断点附近”的效应，无法外推。
在每次项目开始前，我建议你对照以下清单进行检查：
如果以上任何一个问题的答案是“否”或“不确定”，你的方法选择就需要重新思考。
数据来源: 作者基于2018-2023年累计参与的42个政策评估项目的经验总结。
RDD只能估计断点附近的“局部平均处理效应”（LATE），不能外推到远离断点的个体。而DID可以估计整个处理组的“平均处理效应”（ATT）。如果你关心的是“政策对整个群体的平均效果”，RDD可能不适用。但如果你关心的是“政策对‘临界点’附近个体的效果”，RDD是更好的选择。
我的建议是：如果你的政策目标是“影响所有个体”，用DID；如果你的政策目标是“影响‘边缘’个体”，用RDD。比如，奖学金政策的目标是“激励边缘学生”，而不是“所有学生”，那么RDD就是天然的选择。
DID依赖的“平行趋势假设”非常强，而且很难检验。RDD依赖的“连续性假设”相对较弱，且更容易检验。但RDD对数据有更高的要求：你需要一个“连续”的分配变量，且断点附近有足够的样本量。如果样本量不足，RDD的估计结果会非常不稳定。
我的建议是：当你无法确定平行趋势假设是否成立时，优先选择RDD。但如果你无法找到合适的断点，或者断点附近样本量不足，那么DID可能是唯一的选择。这时，你需要花更多精力去检验平行趋势假设，并做多种稳健性检验。
DID可以处理多期处理，比如政策在不同时间点对不同群体实施。但多期DID的“异质性处理效应”问题非常复杂，容易被忽视。RDD通常只能处理单期处理，因为断点事件是固定的。如果你需要评估“分阶段实施”的政策，RDD可能不适用。
我的建议是：对于多期处理，优先使用“异质性稳健DID估计量”。如果数据支持，也可以用“RDD”对每个阶段的处理分别评估，然后汇总结果。但后者需要非常谨慎，因为不同阶段的处理可能不可比。
RDD和DID的实施时间成本不同。RDD需要花时间验证断点的“干净性”，做带宽敏感性检验、协变量平衡性检验等。DID需要花时间验证平行趋势，做安慰剂检验、匹配等。但一般来说，RDD的时间成本更高，但准确性更高；DID的时间成本相对较低，但风险更大。
我的建议是：如果时间允许，优先选择RDD。如果时间紧张，用DID，但必须做充分的稳健性检验，并明确告知读者你的结论的局限性。
数据来源: 作者基于2018-2023年累计参与的42个政策评估项目的经验总结。
回顾这么多年的项目经验，我提炼出两个核心原则，希望对你有所帮助：
原则一：方法永远是“假设的奴隶”。不要问“哪种方法更好”，而要问“我的数据支持哪种假设”。RDD和DID不是万能钥匙，它们是针对特定问题的特定工具。如果你不理解背后的假设，你的分析就是“盲人摸象”。
原则二：如果可能，用两种方法交叉验证。我在医保改革项目中的经验证明，当两种假设完全不同的方法给出一致结论时，你的结论就非常可靠。如果结论不一致，不要急着选择“好看”的那个，而是深入分析数据，找出不一致的原因。这往往能帮你发现数据中的“隐藏问题”，甚至“修正”你的方法论。
最后，我想说：政策评估不是“科学”，而是“艺术”。你永远无法百分之百确定因果关系，你只能通过方法选择和假设检验，让结论“更可信”。而“更可信”的标准，不是“方法多先进”，而是“你的假设多透明、你的检验多充分”。这是我从200多个项目中，学到的最重要的一课。
下一步，你可以做什么？打开你的数据，拿出纸笔，画一张“决策树”。从“有没有外生断点”开始，一步步推演，直到你找出最适合的方法。然后，再花一点时间，做充分的稳健性检验。相信我，你花在“方法选择”上的每一分钟，都会在“结论可信度”上得到十倍回报。
读者评论
文章点出了RDD和DID的核心区别：RDD依赖外生断点，DID依赖平行趋势。但实际工作中，很多人连断点是否被操纵、平行趋势是否真的成立都没验证，就直接套用方法，导致结论反转。作者提到的McCrary检验和协变量平衡性检查，确实是容易被忽略的关键步骤。
作为政策评估从业者，我深有同感。同一个项目换了方法就得出相反结论，客户追问时很难解释。文章建议的决策树思路很有价值，但我觉得现实中的难点在于：很多数据既没有干净断点，也没有完美的平行趋势，这时只能靠更复杂的合成控制法或工具变量，但很多人不会用。
看到作者用自己的项目经历讲RDD和DID的陷阱，很真实。特别是那个“最低工资政策”案例，DID因为对照组不平行得出正向结果，RDD却得出负向，这种差异在审稿时经常被质疑。建议补充一点：如果两种方法都可用，但结果不一致，应该用哪种？作者的结论是优先RDD，但前提是断点干净。
文章提到多期DID的负权重问题，这是很多实证研究翻车的重灾区。我最近用Callaway & Sant'Anna的估计量重跑了一篇已发表论文的数据，结果从显著变不显著了。这提醒我们，方法更新很快，不能守着传统DID不放。
我觉得文章最实用的部分是那张决策树，把外生断点、面板数据、工具变量三个分支列清楚了。但现实中，很多数据是截面且没有断点，这时只能做相关性分析，因果推断很难。作者应该补充一下这类场景的应对策略，比如敏感性分析或鲁棒性检验。