• 什么是合成控制法：
  

    合成控制法是在比较案例研究中估计政策干预因果效应的一种常见方法。它通常与少数大型单位（例如国家、省、县）一起使用，以估计总体政策干预措施的效果。思路是构建一个相似的未受到政策处理的单元（称为“合成控制组）的凸组合，以创建一个与处理组对象非常相似的合成控制组，并对其进行反事实分析。

下面就是合成控制法的简单原理，可参看：https://mp.weixin.qq.com/s?__biz=MjM5OTMwODM1Mw==&mid=2448057440&idx=1&sn=225b8679d4aedc559a83d298e6d652f1&chksm=b323b94e84543058ce552c4265a7d677aa90c8ed249f05145d60135e248a691ea19a617a24a3&scene=21#wechat_redirect

一些值得关注的地方：
与双重差分法DID不同，平行趋势不是合成控制法的必须假定。然而，合成控制组仍必须与处理组单元具有相似的特征，以便构建准确的估计。面板数据对于合成控制方法是必需的，并且通常需要在多个时间段内进行观察。具体来说，政策干预前的时间范围应该足够大以形成准确的估计。此方法需要总体数据（aggregate data），例如，包括省级人均 GDP、国家层面的犯罪率和省级酒精消费统计数据。此外，如果不存在总体数据，有时也可以汇总微观数据来估计总体值。作为对前一个要点的警告，在使用大的干预前期间时要警惕结构性中断。Abadie 和 L'Hour (2020) 还提出了一种惩罚方法，用于对非总体数据执行合成控制法。还要考虑如前所述，这种技术可以与双重差分法进行比较。如果没有总体数据或没有足够的数据用于政策干预前窗口，并且有一个与处理组单元有平行趋势的对照组，那么双重差分法可能更适合。3.运用的是系统的数据，进行的代码演示，代码里有详细的每一步的操作解说代码部分截图如下：