断点回归（RD，Regression Discontinuity Design）是一种用于估计处理效果的方法，尤其当处理分配遵循某种清晰的、可观察的标准时，如基于某个连续变量的阈值。在您的情境中，地理边界作为断点，意味着处理组和控制组是通过这个边界来定义的。

### 时间因素的作用

1. **政策时间与RD**：尽管在RD设计的实证文献中，时间信息往往不像DID（Difference-in-Differences）或SCM（Synthetic Control Method）那样显式地被用作核心变量，但时间确实可以在评估政策效应时提供重要信息。比如，在政策实施前后进行RD分析可以揭示处理效果的时间动态。

2. **体现断层**：RD设计可以通过对比边界两侧的观察值在阈值点处的结果差异来估计处理组与控制组之间的断层。即使不直接将时间作为变量，通过比较不同时间段（如政策实施前后的数据）的RD结果，也能间接评估政策效果随时间的变化。

3. **分年度或阶段分析**：确实可以将数据分为多个子集，比如按年份进行RD回归，或者对比政策实施前后两个组别的样本。这样做不仅可以检验处理效果的一致性（即效果是否在不同时间点稳定），还能探索效应的动态变化。这种策略尤其适用于评估政策长期影响或随时间逐渐显现的效果。

### 合理性与实践

1. **合理性**：将数据按年度或者以政策实施为界分组进行RD分析是合理的，尤其是在关注政策效力的变化时。这样做可以更加细致地理解处理效果如何随时间演变。

2. **论文中的应用**：虽然直接在RD中体现时间信息可能不是所有研究的常规做法，但在涉及政策评估或事件影响的研究中，这种策略已经被采用，并且被视为一种有效的分析方法。例如，一些研究会进行“动态RD”分析，考察处理效果随时间的变化。

### 总结

利用断点回归设计评估政策效应时，通过分年度或阶段数据的对比分析可以有效地揭示政策实施前后边界两侧结果变量的差异性及变化趋势，从而更全面地理解处理效果。虽然这种方法在文献中的应用可能没有DID或SCM那样普遍，但在特定研究背景下，尤其是需要考虑时间维度影响的场景下，它提供了一种有力的研究工具。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用