特别说明

本文整理了三种主流因果推断方法的实战要点，结合真实论文案例。为了方便大家学习，本文涉及的所有文献（含PDF）均可免费领取！

一、双重差分法（DID）：政策评估的黄金标准

适用场景： 评估某项政策/事件对处理组vs对照组的影响

经典文献：

基本原理：

其中 $D_{it}$ 是处理变量，$\gamma_i$ 和 $\delta_t$ 分别是个体和时间固定效应。

核心假设： 平行趋势假设——政策实施前，处理组和对照组的变化趋势应保持平行

实战要点

Stata实战代码

* 双向固定效应 DID 回归
reghdfe y treat post, absorb(i.id i.year) vce(robust)

* 平行趋势检验
gen period = year - policy_year
forvalues i = -5(1)5 {
    gen treat_`i' = (treat == 1 & period == `i')
}
reghdfe y treat_*, absorb(i.id i.year) vce(robust)

* 画图展示
coefplot, vertical keep(treat_*) yline(0)

二、双机器学习（DML）：解决内生性的新武器

适用场景： 处理内生性问题（遗漏变量偏误、测量误差、双向因果）

核心文献：

基本原理

两步残差回归：

1. 用ML模型预测 $Y$（控制变量 $X$）和 $D$（控制变量 $X$）
2. 对残差 $\tilde{Y}$ 和 $\tilde{D}$ 做简单回归，得到因果效应估计

核心优势： 可以使用高维协变量，自动进行变量选择，有效缓解遗漏变量偏误

Python实战代码（基于DoubleML库）

from doubleml import DoubleMLData, DoubleMLPLR
from sklearn.ensemble import RandomForestRegressor
import pandas as pd
import numpy as np

# 构造数据对象
data = pd.DataFrame({
    'Y': outcome,           # 结果变量
    'D': treatment,         # 处理变量
    'X1': controls[:, 0],  # 控制变量1
    'X2': controls[:, 1]   # 控制变量2
})
dml_data = DoubleMLData(data, y_col='Y', d_cols='D')

# 使用随机森林作为基学习器
ml_l = RandomForestRegressor(n_estimators=100, max_depth=5)
ml_m = RandomForestRegressor(n_estimators=100, max_depth=5)
dml_plr = DoubleMLPLR(dml_data, ml_l=ml_l, ml_m=ml_m)
dml_plr.fit()
print(dml_plr.summary)

三、合成控制法（SCM）：当DID失效时的替代方案

适用场景： 政策只影响少数单位（如一个国家、一个州），无法找到合适对照组

核心文献

基本原理

通过加权组合多个未受政策影响的单位，构建一个"合成对照组"：

其中 $w_j$ 是权重，通过最小化政策前时期处理单元与合成控制单元的差异得到。

Python实战代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 简化的合成控制法实现示例
# 假设 data 是面板数据，包含处理组和对照组

# 处理组
treatment_unit = 'CA'
pre_period = range(2000, 2008)  # 政策前时期
post_period = range(2008, 2015)  # 政策后时期

# 计算合成控制权重（简化版，实际使用优化算法）
# 这里仅展示思路，完整实现建议使用 Synth 包或手动优化
control_units = ['TX', 'NY', 'FL', 'IL', 'PA']

# 构造合成控制
synth_outcome = np.zeros(len(pre_period) + len(post_period))
for i, year in enumerate(list(pre_period) + list(post_period)):
    # 简化：等权重平均（实际应使用优化算法求解最优权重）
    weights = np.ones(len(control_units)) / len(control_units)
    synth_outcome[i] = sum(
        weights[j] * df[df['unit'] == control_units[j]][str(year)].values[0]
        for j in range(len(control_units))
    )

# 可视化
plt.figure(figsize=(10, 6))
plt.plot(years, treatment_outcome, label='实际 California', linewidth=2)
plt.plot(years, synth_outcome, label='合成 California', linewidth=2)
plt.axvline(x=2008, color='red', linestyle='--', label='Prop 99 实施')
plt.xlabel('Year')
plt.ylabel('Cigarette Sales per Capita')
plt.legend()
plt.title('合成控制法：加州控烟法案效果评估')
plt.show()

四、方法选择指南

五、实战建议

1. 优先考虑DID

• 方法成熟，审稿人接受度高
• 关键是平行趋势检验要扎实

2. 尝试DID+安慰剂组合

• 增强结果稳健性
• 顶刊标配的检验序列

3. DML适合创新性要求高的研究

• 方法创新本身就是边际贡献
• 但需要较大的样本量支持

4. SCM适合政策评估类研究

• 适合只有一个处理单元的情况
• 图形展示直观，论文呈现效果好

参考文献领取

你在实证研究中用过哪种因果推断方法？遇到过什么问题？

评论区聊聊，优质留言有机会获得额外PP币奖励！

本文信息来源：各大期刊官方及公开数据库