合成控制法的安慰剂检验与推断.docxVIP

合成控制法的安慰剂检验与推断

过去二十多年间，合成控制法作为因果推断领域应用最广泛的政策评估方法之一，被普遍用于经济政策、公共卫生、区域发展、环境规制等诸多领域的效果评估。和传统的双重差分、断点回归等方法相比，合成控制法通过对多个控制单元加权构造“反事实参照组”，无需强加平行趋势等较强的识别假设，能够更透明、更灵活地拟合处理单元在未受政策干预时的动态变化路径，尤其适用于仅在少数地区或群体试点、干预单元数量较少的政策场景（Abadie，2021）。但长期以来，合成控制法的统计推断始终是应用过程中的核心难点：由于处理组往往仅包含单个或极少数单元，传统依赖大样本渐近理论的参数检验方法无法直接应用，研究者很难区分观测到的处理组与合成组之间的缺口，究竟是真实的政策效应，还是拟合误差、随机冲击、未观测混淆因素带来的虚假关联。在这一背景下，借鉴医学随机对照试验思想发展起来的安慰剂检验，逐渐成为合成控制法统计推断的核心工具，为个案层面的因果识别提供了基于随机化推断的统计依据。不过从现有研究的应用情况来看，不少研究者对安慰剂检验的逻辑内涵理解不到位，操作过程存在不规范之处，甚至出现检验方法误用、推断结论失真等问题，直接影响了合成控制法评估结果的科学性和可信度。基于此，本文将从合成控制法的推断困境出发，系统梳理安慰剂检验的底层逻辑、主要操作类型、实践中的常见误区与优化路径，为研究者规范使用合成控制法、