合成控制法（SCM）的实证步骤.docxVIP

合成控制法（SCM）的实证步骤

引言

在政策评估与因果推断领域，如何科学构造“反事实”始终是核心难题。传统方法如双重差分法依赖严格的平行趋势假设，而随机对照试验（RCT）又受限于实施成本与伦理约束。合成控制法（SyntheticControlMethod,SCM）作为一种数据驱动的因果推断工具，通过加权组合多个未受干预的“控制单元”，构建出与干预单元高度相似的“合成控制组”，为单案例或小样本场景下的政策效果评估提供了新思路。其核心优势在于通过数据自身特征寻找最优权重，减少了对主观假设的依赖，因此在区域经济、公共卫生、教育政策等领域被广泛应用。本文将系统梳理合成控制法的实证步骤，帮助研究者更规范地开展应用。

一、研究设计与数据准备：实证的基础前提

合成控制法的实证过程始于严谨的研究设计与充分的数据准备。这一阶段的质量直接影响后续模型构建的可靠性，需从问题界定、单元选择、数据收集三个维度细致推进。

（一）明确研究问题与干预边界

开展实证前，首先要清晰界定“研究问题”与“干预事件”。研究问题需具体指向某一政策、事件或冲击对特定单元（如某地区、某企业）的影响，例如“某环保政策对区域经济增长的影响”“某教育改革对学生升学率的作用”等。干预事件需明确时间节点（如政策实施年份）和作用范围（如仅覆盖A市，不涉及B市）。特别要注意，干预事件应是外生的，即不与结果变量的潜在趋势直接相关——若政策因某地区经济下滑而实施，则可能存在“反向因果”，需通过历史背景分析排除此类干扰。

（二）确定干预单元与控制单元

干预单元是受政策影响的研究对象（如目标城市），控制单元则是未受干预且与干预单元具有相似特征的其他单元（如经济结构相近的其他城市）。控制单元的选择需遵循“相似性原则”：理论上，应覆盖与干预单元在关键协变量（如人口规模、产业结构、财政支出）上具有可比性的单元；实践中，可通过描述性统计（如均值、标准差）初步筛选，例如若干预单元的第二产业占比为45%，则优先选择该指标在40%-50%的控制单元。需注意，控制单元数量不宜过少（通常建议5个以上），否则可能因权重集中导致合成结果不稳定；也不宜过多（一般不超过50个），否则会增加计算复杂度且可能引入无关单元。

（三）数据收集与预处理

数据需包含“时间”“单元”“变量”三个维度，时间跨度应覆盖干预前（至少3-5期，越长越好）和干预后（至少1-2期，用于效果评估）。变量分为两类：一类是“结果变量”（如GDP、失业率），即政策目标影响的核心指标；另一类是“协变量”（如教育水平、固定资产投资），用于刻画单元间的相似性。数据预处理需重点解决两个问题：一是缺失值处理，可采用线性插值、相邻期均值替代等方法，但需避免大规模缺失（若某变量缺失超过30%，建议剔除）；二是变量标准化，由于协变量可能存在量纲差异（如人口以“万”计，投资以“亿元”计），需通过Z-score标准化（均值为0，标准差为1）消除量纲影响，确保权重分配的公平性。

二、合成控制模型构建：数据驱动的反事实构造

完成数据准备后，核心任务是通过优化算法构建合成控制组。这一步骤需理解权重的经济含义、掌握优化目标的设定逻辑，并关注关键参数的选择。

（一）权重的经济学意义与约束条件

合成控制法的本质是为每个控制单元分配一个权重（记为(w_j)，(j)为控制单元编号），使得加权后的合成控制组在干预前的特征与干预单元高度一致。权重需满足两个约束：一是非负性（(w_j)），即不能赋予负权重（负权重意味着“反向使用”控制单元，不符合现实逻辑）；二是和为1（(w_j=1)），确保合成控制组是控制单元的凸组合，具有实际解释意义（例如，若控制单元A权重0.3、B权重0.7，则合成控制组是A的30%与B的70%的组合）。

（二）优化目标与算法实现

优化目标是最小化干预前合成控制组与干预单元在结果变量或协变量上的差异。实践中通常采用“均方根误差（RMSE）”作为损失函数，即计算干预前各期结果变量的实际值与合成值的平方差的均值，再开平方。例如，若干预前有T0期数据，结果变量为Y，则损失函数为：(=)。通过最小化RMSE，算法会自动寻找使合成控制组与干预单元在干预前趋势最接近的权重组合。目前，Stata的synth命令、R的Synth包等工具已实现这一优化过程，研究者只需输入干预单元、控制单元、结果变量、协变量和时间范围，即可输出最优权重。

（三）协变量与时间窗口的选择技巧

协变量的选择需遵循“相关性”与“外生性”原则：应包含对结果变量有显著影响且在干预前稳定的变量（如地区的人力资本存量对经济增长的影响），避免选择可能受干预影响的变量（如政策实施后才变化的财政支出结构）。时间窗口方面，干预前的时间跨度越长，模型越能捕捉长期趋势，但需注意早期数据可能因社会经济环