双重差分法（DID）与合成控制法的组合使用策略.docxVIP

双重差分法（DID）与合成控制法的组合使用策略

一、引言

在公共政策评估领域，准确识别政策的因果效应是研究的核心目标，也是政策制定者调整政策方向、优化资源配置的重要依据。双重差分法（DID）与合成控制法作为两种主流的反事实因果推断方法，凭借其严谨的逻辑框架和可操作性，被广泛应用于产业政策、社会保障、环境治理等多个领域的政策效果评估中。然而，单独使用这两种方法时，往往会受到样本特征、假设条件等因素的限制，导致估计结果存在偏差甚至失真。例如，双重差分法依赖严格的平行趋势假设，若处理组与控制组的系统性差异无法通过控制变量消除，估计结果就会出现偏误；合成控制法则更适用于处理组样本量较小的场景，当处理组数量较多时，权重估计的效率和解释性都会大幅下降。因此，探索两种方法的组合使用策略，充分发挥各自的优势、弥补彼此的不足，已成为提升政策评估准确性与可信度的重要方向（Ashenfelter，1978；Abadieetal.，2010）。

本文将从两种方法的核心逻辑与单独应用局限入手，深入分析组合使用的理论基础与适配场景，详细阐述具体的组合策略与实操要点，并结合案例验证组合策略的应用效果，最终总结组合策略的价值与未来发展方向。

二、DID与合成控制法的核心逻辑及单独应用局限

（一）DID的核心逻辑与适用场景

双重差分法的核心逻辑基于反事实因果推断框架，其核心假设是“平行趋势假设”：在政策实施前，