合成控制法（SyntheticControlMethod）的原理与应用.docxVIP

合成控制法（SyntheticControlMethod）的原理与应用

一、引言

在社会科学研究与公共政策实践中，准确识别一项政策或一个外部事件的真实影响，始终是核心议题之一。因果识别的本质是回答“反事实”问题：如果某个地区没有实施这项政策、没有遭遇这个外部冲击，它的发展轨迹会是什么样？真实状态与反事实状态之间的差异，就是政策或事件的净效应。但反事实状态永远无法被直接观测，学者们只能通过构造合理的对照组，尽可能逼近真实的反事实结果。在很长一段时间里，双重差分、倾向得分匹配、传统回归控制等方法被广泛应用于政策评估，但这类方法大多依赖较强的前提假设，且在处理单元数量极少——比如仅单个省份、单个城市受到政策或事件影响——的场景下，往往存在对照组选择主观、拟合效果差、估计偏误大等问题，难以满足宏观层面重大政策评估的严谨性要求。

合成控制法的提出，有效填补了这一方法空白。作为过去二十年间因果推断领域最重要的方法创新之一，合成控制法打破了“寻找真实对照组”的传统思路，通过数据驱动的方式构造虚拟的合成对照组，为小场景、单处理单元的政策评估提供了可靠的识别路径，目前已经在经济、公共管理、环境、公共卫生等多个领域得到广泛应用。本文将从合成控制法的产生背景与核心原理出发，系统梳理方法的操作规范与流程，总结当前的主要应用领域与实践成果，客观分析方法存在的局限与未来优化方向，为研究者规范使用这一方法、充分