温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。
作者：舒清扬 (连享会)
邮箱：lianxhcn@163.com
- 分类：内生性-因果推断
- Title: 别急着做 DID（上）：先把政策背景搞清楚
- Keywords: 政策评价, 因果推断, 实证研究设计, DID, IV, RD, SCM, SDID, 机制分析
提要：政策背景还没搞清楚，就开始跑回归——这是政策评价论文最常见的问题。其实，处理组怎么来、识别假设能不能成立，都藏在政策背景里。
- 点击查看：别着急做 DID 系列推文。
很多人做政策评价类论文时，常常是从方法入手的。看到政策前后变化，就想着是能否做个 DID；看到政策有资格门槛，就想着做 RDD；……。
这些问题固然重要，但在研究设计阶段，它们并不是最重要的问题。我们更应该花时间搞清楚额问题是：这个政策为什么出台，如何执行，谁真正受到影响，政策预期通过什么机制改变结果变量，以及这些制度细节能否形成一个可信的反事实。
换言之，政策评价类实证研究真正要回答的，不是「这个政策能不能套进某个模型」，而是「在这个政策产生、执行和作用对象形成的过程中，是否存在一个可以用来识别因果效应的制度变化」。只有把政策背景搞清楚了，模型才可能是「量身定制」，而不是「套用模板」。
1. 理发师的启示
一位我熟识的理发师告诉我，一个新手入行后，往往要先洗一年头，再慢慢学剪发，真正出师大概要两年。
我当时有些疑惑：洗头为什么要学那么久？
他的解释很有意思。每个客人的头型都不同，有的人后脑勺比较扁，有的人头型圆，有的人头顶高低不平；每个人的发质、发量、发旋和毛流也不同。洗头的时候，要认真感受这些差异。只有摸清楚头型、发质和毛流，后面设计发型时才知道哪里该留厚一点，哪里该打薄一点，哪里不能随便剪短。否则，剪刀下得再熟练，也可能剪不出适合这个人的发型。
我当时想：我们政策评价不也是这个道理吗？每个政策的背景、执行规则、作用对象和机制都不同。我们如果不先把这些细节摸清楚，就急着套用某个方法，可能就剪不好这个政策的「发型」。比如：
- 如果政策进入过程包含主动申请和行政筛选，就不能简单比较被处理样本和未处理样本；
- 如果政策名单在正式实施前已经公布，就要考虑政策预期效应；
- 如果政策影响会扩散到邻近地区、同行业企业或上下游企业，就要处理外溢效应；
- 如果政策按评分、规模或排名门槛执行，就可能考虑断点回归；
- 如果政策只作用于少数地区，合成控制法、广义合成控制法或合成双重差分也许比常规双重差分更自然。
这些政策背景分析本身就是研究的一部分，在通过阅读政策文件、实地访谈和调研的过程中，就要开始思考这些问题。在摸清政策背景的过程中，就会自然而然地形成一个清晰的研究设计思路。
2. 如何结合政策背景做识别设计
很多论文的政策背景写法很像材料汇编：政策文件何时出台，主管部门是谁，政策目标是什么，文件中有哪些关键词。这些信息可以帮助读者了解政策来龙去脉，但还不足以支撑一个好的研究设计 —— 政策如何进入样本，谁真正受到影响，哪些制度细节会改变处理组和控制组的构造，才是更关键的问题。
在讨论政策背景时，我们可以从以下几个维度来分析：
政策制定者为什么出台这项政策？如果政策本身是对某类地区、行业或企业问题的回应，那么这些对象在政策前可能已经有特殊趋势。比如，某些城市因为污染压力更大而被纳入环保试点，某些企业因为创新能力更强而获得政策认定。此时，政策进入本身就可能与结果变量的潜在变化相关。
政策工具是什么？同样是「支持企业创新」，政策工具可能是财政补贴、税收优惠、政府采购、信贷支持、名单认定、行政考核或平台建设。不同政策工具影响行为的方式不同，对应的处理变量和机制变量也不同。财政补贴可能直接影响融资约束，税收优惠可能改变投资收益，政府采购可能影响市场需求，名单认定可能兼具资源获取和声誉认证功能。
政策的目标作用对象是谁，实际作用对象是谁？政策文件中写的对象，不一定等于实证数据中真正受到影响的对象。某项政策名义上面向中小企业，但实际获得支持的可能是规模较大、治理较规范、申报能力较强的企业；某项区域政策名义上面向整个城市，但实际受影响最大的可能是特定行业、园区或国有企业。
政策预期通过什么机制发挥作用？一项政策可能通过降低成本、增加需求、缓解融资约束、强化监管、改变地方政府激励、提升市场预期或增强声誉信号影响结果变量。机制不同，变量选择和检验方式也不同。不能只在理论部分写「政策促进资源配置效率」，然后在实证部分临时找几个中介变量。
政策执行层面可能出现什么偏差？有些政策存在地方选择性申报，有些政策存在企业主动申请，有些政策存在执行强度差异，有些政策可能被地方政府用来完成考核任务。这些执行细节不是细枝末节，而是决定处理组如何形成的关键。
政策是否存在预期效应和信息泄露？如果政策名单、试点方案、申报通知或考核指标在正式实施前已经公开，企业和地方政府可能提前调整行为。此时，政策效应不一定从正式实施年份才开始。事件研究中的提前期系数也不能只当作常规平行趋势检验，而应结合政策信息披露过程解释。
政策是否存在外溢效应？政策可能影响未处理样本。比如，一个城市加强环保监管，污染企业可能迁移到周边城市；一批企业获得补贴，同行业未补贴企业可能受到竞争压力；核心企业受到政策扶持，上下游企业也可能间接受益。若控制组受到政策间接影响，传统反事实设定就会受到挑战。
这些问题看似属于政策背景，实则直接决定处理变量、控制组、时间窗口、机制变量和稳健性检验。
温馨提示：若页面不能正常显示数学公式和代码，请阅读原文获得更好的阅读体验。