计量经济学：合成控制法（SCM）在政策评估中的应用.docxVIP

计量经济学：合成控制法（SCM）在政策评估中的应用

一、引言

政策评估是公共管理与经济学研究的核心议题之一。政府投入大量资源实施某项政策后，如何科学判断其实际效果？这需要通过严谨的计量方法构造“反事实”——即“如果政策未实施，结果会怎样”。传统方法如双重差分法（DID）虽被广泛应用，但其依赖“平行趋势假设”（即处理组与控制组在政策前的变化趋势一致），且难以处理单一处理单元（如某个特定地区或事件）的评估需求。在此背景下，合成控制法（SyntheticControlMethod,SCM）作为一种创新的因果推断工具，凭借其灵活的反事实构造逻辑和对小样本场景的适配性，逐渐成为政策评估领域的重要方法（Abadie,2021）。本文将系统阐述合成控制法的原理、实施流程及应用价值，揭示其如何推动政策评估从“假设依赖”向“数据驱动”的科学转型。

二、合成控制法的核心原理与理论基础

（一）反事实框架下的核心思想

政策评估的本质是比较“处理状态”与“未处理状态”的结果差异。然而，现实中我们只能观测到“处理状态”下的结果，“未处理状态”的结果（即反事实）需要通过统计方法构造。合成控制法的核心思想是：从多个未受政策影响的“潜在控制单元”中，选取一组加权组合，使其在政策实施前的关键特征（如经济指标、人口结构等）与“处理单元”高度相似，从而将这一加权组合作为“合成控制单元”，模拟处理单元未实施政策时的