《把政策当开关，是个伪命题》
——现实中的政策是一把调节杆；量不准剂量，就谈不上评估
拿到一万元补贴和拿到一百万元补贴的两家企业，在不少模型里是同一个数字：“1”。
这就像医生开处方，只写“吃药”，不写吃几片。
病人敢吃吗？不敢。可政策评估这样“开方子”，开了很多年。
数据告诉你什么在一起变化，因果识别才回答是什么推动了变化。
一、先别急着看系数
补贴增加，企业研发也增加，能认定补贴促进了研发吗？不能。可能是补贴起了作用，也可能是研发能力本来就强的企业，更容易拿到补贴。
政策评估真正要追问的是：同一家企业，如果没拿到这笔补贴，会怎样？
这个没有发生、无法直接观察的结果，叫“反事实”。可信的评估必须为它找到合理的参照，而不是把一个显著的回归系数直接当答案。
模型能把数据拟合得很漂亮，却未必能把政策效果算对。
二、“黄金标准”也会看走眼
长期以来，双向固定效应模型是面板数据政策评估的“黄金标准”。它控制住个体层面不随时间变化的差异，以及各期共同的时间冲击，帮研究者排除掉一部分干扰。
但排除一部分，不等于解决全部。
2020至2021年，多篇发表于顶级期刊的计量研究指出：当政策分批落地、效果又因对象或时间而异时，传统估计可能出现严重偏误，甚至误导政策结论。相关论文的引用量已经破万。
毛病出在哪？不在模型老不老，在比较对象对不对。先接受干预的对象，可能被拿来当后接受干预者的参照；可先行者身上的政策效应还在变，这把“尺子”自己就在动。
拿一把会伸缩的尺子量身高，量得越认真，错得越整齐。
修补工作随后大量展开，却大多停在二元处理：接受，或者不接受。
现实很少只有两个按钮。补贴有额度，研发有投入，政策有松紧，气温和降水天天在变。
所以要问的不只是“有没有效果”，还有“多加一档，变化多大”，以及“这种变化会不会一年叠一年”。
三、机器负责灵活，因果框架负责可信
这项研究的核心推进，是把双重去偏机器学习从截面数据，拓展到带双向固定效应的动态面板。
为什么请机器学习进场？因为影响“谁拿补贴”和“结果如何”的因素又多又绕，还不走直线。几个线性控制变量，兜不住。
但这里必须急刹车：预测更准，难道因果就自动更真？
不能。机器学习能提高预测精度，不能替研究者免除识别责任。
框架的做法是分工。非参数部分灵活捕捉高维、非线性的混淆关系；参数部分只刻画处理效应，保住可解释性。二元、多值、连续三类处理，由此装进同一套框架。
关键工序有两道。
其一，构建奈曼正交矩条件。通俗讲，就是让处理效应的估计，对辅助模型的小误差“不过敏”，不让前一步的小毛病传染给最终结果。
其二，为面板的差分结构专门设计样本拆分与交叉拟合，再结合广义矩估计。同一对象的跨期观测彼此牵连，截面数据那套切法不能照搬。
方法的进步，不是把更多算法堆进模型，而是让算法与数据结构对上号。
四、把假设画出来
传统双重差分依赖平行趋势假设。干预前走势相近当然是重要信息，但过去的相似，不是反事实的保证书。
新框架改以动态序贯条件独立假设为识别基础：在每个时点，给定相关历史信息后，当期处理的分配须满足条件独立要求。
这不是取消假设，而是更换并亮明假设。
研究借助单世界干预图，把因果结构画在纸上。哪些变量影响处理，哪些影响结果，哪些路径需要控制，同行可以指着某一条箭头逐项质疑。
当然，图能帮助核验逻辑，不能凭空证明没有遗漏因素；领域知识、制度背景和严肃论证，一样都省不了。
好的因果研究，不是没有争议，而是让争议有明确的落点。
五、效果会累积，评估不能只拍一张照
实证案例考察的是学龄前儿童数量对女性劳动供给的影响。在研究设定与识别假设下，估计显示：每年新增学龄前儿童对女性每周工作时长的压低作用，会随时间持续累积。
照护责任的影响，不止发生在当年。只盯某一期，就像只看一张照片猜整部电影。
模拟实验中，相较朴素的广义矩估计，新方法在偏差、标准差和均方误差上均明显下降。但模拟里的改善，不等于所有现实场景自动受益，表现仍取决于数据条件、模型设定与识别假设。
研究附带仿真代码与实证数据，别人不仅能运行，还能检查它为什么这样运行。方法原创团队的核心成员已主动联系，配套软件合作正在推进；后续还将拓展到中介效应、内生性与不确定性识别等更复杂的场景。
对做政策研究的人，出路很明确：先定义要回答的因果问题，再说明参照怎么建；先公开识别假设，再报告估计结果；既看平均效果，也看剂量差异和动态累积。
更好的评估，不是替政策寻找掌声，而是为政策提供改进的依据。
政策评估真正的升级，是从“结果显著”走向“判断可信”。
（唐加文，笔名金观平；本文成稿后，经SI审阅校对）
热门跟贴