合成控制法在政策评估中的案例研究.docxVIP

合成控制法在政策评估中的案例研究

一、引言

（一）政策评估的现实需求与传统方法局限

在公共治理体系中，政策评估是检验政策成效、优化政策设计的核心环节，直接关系到公共资源的配置效率和政策目标的实现程度。随着我国经济社会发展进入新阶段，各类区域发展、产业扶持、民生保障政策的复杂性和针对性不断提升，对评估方法的科学性、精准性提出了更高要求（周黎安，2018）。传统政策评估方法如双重差分法、断点回归法等，虽然在大样本评估中具有一定优势，但往往依赖严格的假设条件——比如双重差分法要求处理组与对照组在政策实施前满足“平行趋势假设”，当处理组具有独特的地域、经济或社会特征时，这一假设很难成立，容易导致评估结果出现偏差（陈钊、陆铭，2014）。此外，对于仅在少数地区实施的“试点型”政策，传统方法因样本量不足，难以精准识别政策的净效应，无法为政策的推广和调整提供可靠依据。

（二）合成控制法的兴起与案例研究的意义

合成控制法正是为解决上述难题应运而生的政策评估方法，由Abadie和Gardeazabal在研究巴斯克地区恐怖主义对经济的影响时首次提出（AbadieGardeazabal，2003），后经Abadie等学者进一步完善，成为单案例或少案例政策评估的核心工具（Abadieetal.，2010）。该方法的核心逻辑是通过加权组合多个未受政策干预的地区，构建一个与处理组在政策实施前特征高度匹