合成控制法在政策评估中的案例设计与解释.docxVIP

合成控制法在政策评估中的案例设计与解释

一、政策评估的核心困境与合成控制法的方法优势

公共政策是国家治理的核心工具，一项政策从试点探索到全面推广，始终需要回答三个关键问题：政策是否实现了预设目标、投入的公共资源是否产生了对应成效、是否存在未预期的副作用，这些问题的答案都离不开科学严谨的政策评估。长期以来，政策评估领域面临的最核心难题是反事实框架下的因果识别问题：当一个地区、一个群体受到政策干预之后，我们永远无法直接观测到同一个体在完全没有受到干预时的发展状态，只能通过寻找合适的对照组来近似模拟这种反事实状态（安格里斯特、皮施克，2014）。

早期的政策评估多采用简单前后对比法，直接将政策实施后的结果和政策实施前的状态做差，这种方法完全忽略了自然趋势的影响——即便没有任何政策干预，经济增长、技术进步、居民收入提升等长期趋势也会持续发生，简单对比会将原本的自然变化全部归为政策效果，评估结果往往存在明显高估。后续逐渐普及的双重差分方法，通过引入不享受政策的对照组来剥离共同时间趋势，大幅提升了评估的科学性，但这一方法存在两个难以回避的缺陷：一是对照组选择带有较强的主观随意性，研究者可能根据自身想要的结果刻意挑选对照组，导致结论的可复制性差；二是双重差分法依赖严格的平行趋势假设，现实中很难找到和处理组发展路径完全一致的对照个体，尤其当处理组是承担试点任务的特殊地区（如核心城市、改革试验区）时