A4 因果推断与政策效果识别 / Causal Inference

合成数值教学例；不是对应论文的数据或结果复现。

1. 变化不等于政策效果
处理组的指标从十二升到十八，表面上增加了六。
但同期其他因素也可能造成上升，所以不能直接把六当作政策效果。

2. 比较组提供反事实线索
没有实施政策的比较组，从十升到十二，增加了二。
如果两组原本会保持平行变化，处理组没有政策时应从十二升到十四。

3. 计算双重差分
处理组实际增加六，比较组增加二，双重差分等于四。
图中十八与反事实十四之间的距离，才是本例的效果估计。

4. 检查识别假设
政策实施前，两组在例子中同样增加二，给平行趋势提供了线索。
但几条相似的事前走势，不能证明政策之后的反事实一定成立。

5. 识别来自研究设计
还要检查同期干预、组间溢出，以及比较组是否可比。
因果结论依靠研究设计与假设，不是靠画出两条曲线。

方法概述来源：作者28种方法草案。方法与应用参考文献见对应方法页。