合成控制法（SCM）在政策评估中的应用案例.docxVIP

合成控制法（SCM）在政策评估中的应用案例

一、合成控制法：政策评估的创新工具

政策评估是公共管理的核心环节，其关键在于准确识别政策实施与目标变量变化之间的因果关系。传统评估方法如双重差分法（DID）虽被广泛应用，但在面对“单一干预组+小样本”场景时，常因“平行趋势假设”难以验证或控制组选择偏差而受限。在此背景下，合成控制法（SyntheticControlMethod，SCM）作为一种数据驱动的因果推断工具，凭借其“反事实路径精准构建”的特性，逐渐成为政策评估领域的重要方法（AbadieGardeazabal,2003）。

（一）方法原理与核心逻辑

合成控制法的核心思想是通过加权组合多个未受干预的“潜在控制单元”，构建一个与干预单元在政策实施前特征高度相似的“合成控制组”，以此模拟干预单元若未实施政策时的发展路径（即反事实结果）。具体操作中，研究者需选择一组与政策效应相关的协变量（如经济水平、人口结构、历史趋势等），通过优化算法为每个潜在控制单元分配权重，使得合成控制组在这些协变量上的加权平均值与干预单元尽可能接近。最终，政策效应可通过比较干预单元实际结果与合成控制组反事实结果的差异来估计（Abadieetal.,2015）。

（二）相较于传统方法的优势

与双重差分法、倾向得分匹配等方法相比，合成控制法的独特优势体现在三方面：其一，无需严格假设干预组与控制组在政策