基于SCM与DID复合检验的西部大开发政策效应深度剖析

基于SCM与DID复合检验的西部大开发政策效应深度剖析一、引言1.1研究背景中国地域广袤，各地区自然环境与发展条件差异显著，区域发展不平衡问题由来已久。自改革开放以来，各地区经济虽都取得了长足进步，但东部沿海地区凭借良好的经济基础、优越的地理环境、便利的交通条件以及较早的对外开放，发展速度明显快于其他地区。其中，西部地区包括甘肃、贵州、宁夏、青海、陕西、四川、西藏、新疆、云南、内蒙古、广西、重庆12个省（自治区、直辖市），这里不仅是少数民族聚居较为集中的区域，还蕴藏着丰富的自然资源。然而，受历史因素、生态环境等多方面影响，其发展速度远低于东部沿海地区。为推动西部地区经济发展，缩小地区间经济差距，实现区域协调发展与共同富裕，中国政府于1999年正式启动西部大开发政策。该政策的实施涵盖了加强西部地区的基础设施建设，如青藏铁路、西气东输、西电东送等重大工程的建设，极大地改善了西部地区的交通、能源等基础设施条件；促进产业升级和创新，推动西部地区特色优势产业的发展，如新能源、生物医药、特色农业等；改善民生状况，加大对教育、医疗等公共服务领域的投入，提升了当地居民的生活水平。历经多年发展，西部大开发政策已取得一定成效。西部地区的经济实力得到显著增强，产业结构不断优化，基础设施建设取得重大突破，人民生活水平也有了明显提高。但不可忽视的是，经济发展和经济转型仍未完全达到预期目标，地区差距依然存在，与东部地区相比仍有较大差距。在此背景下，对西部大开发政策效应展开科学、全面、深入的评估研究显得尤为重要。这不仅有助于准确了解政策实施的实际效果，总结经验与发现问题，还能为政策的进一步调整与完善提供有力依据，从而更好地推动西部地区的可持续发展，促进区域经济的协调共进。1.2研究目的与意义本研究旨在通过结合合成控制法（SyntheticControlMethod，SCM）与双重差分法（Difference-in-Differences，DID）的复合检验，深入探究西部大开发政策的效应。通过全面、系统地评估西部大开发政策在经济增长、产业结构调整、社会发展、生态环境等多个维度的实际效果，精准识别政策实施带来的积极影响以及存在的不足之处，为政府制定和改进相关政策提供具有针对性和可操作性的参考建议。从理论层面来看，本研究丰富和拓展了区域政策效应评估的方法与实践。将SCM和DID两种方法相结合，能够有效克服单一方法在评估过程中的局限性，更准确地识别政策效应，为区域政策评估领域提供了新的研究思路和方法借鉴，有助于推动该领域理论的进一步发展和完善。从实践意义上讲，通过对西部大开发政策效应的科学评估，可以为政府部门在制定新一轮西部大开发政策时提供坚实的数据支持和决策依据。有助于政府更加合理地配置资源，优化政策措施，提高政策的精准性和有效性，从而更好地推动西部地区的经济发展、社会进步、民生改善以及生态环境保护，促进区域经济的协调发展，实现全国范围内的共同富裕，提升国家的整体综合实力。同时，研究结果也能为其他地区的区域发展政策制定与评估提供有益的经验借鉴，推动全国区域协调发展战略的顺利实施。1.3研究方法与创新点本研究采用SCM与DID的复合检验方法对西部大开发政策效应进行评估。SCM通过构建与西部地区特征相匹配的合成对照组，有效控制了地区异质性问题，能够更准确地模拟西部地区在未实施西部大开发政策时的发展路径。DID则通过比较处理组（西部地区）与对照组（东部地区）在政策实施前后的差异，消除了时间趋势等因素的干扰，从而识别出政策的净效应。将两者结合，能够充分发挥各自优势，克服单一方法的不足，更全面、准确地评估西部大开发政策的效应。在数据来源方面，本研究将选取多组数据，包括地区发展指数、人均GDP、区域总GDP、工业增加值等数据，数据时间跨度为2000年至2019年，并选取城市和农村作为研究对象。数据主要来源于国家统计局、各省级统计局、相关政府部门和权威研究机构发布的统计数据、政策文件和研究报告，以确保数据的可靠性和权威性。本研究的创新点主要体现在以下两个方面。一方面，研究方法上具有创新性，将SCM和DID两种方法有机结合，应用于西部大开发政策效应评估，为区域政策效应评估提供了新的研究范式，有效弥补了传统评估方法的缺陷，提高了评估结果的准确性和可靠性。另一方面，评估视角具有多维度创新性，不仅关注西部大开发政策对经济增长的影响，还从产业结构调整、社会发展、生态环境等多个维度进行全面评估，更系统、深入地揭示了政策的综合效应，为政策的优化和完善提供了更丰富、全面的决策依据。二、理论基础与文献综述2.1相关理论基础2.1.1合成控制法（SCM）原理与应用合成控制法（SyntheticControlMethod，SCM）是一种用于评估政策干预或事件影响的计量经济学方法，在社会科学研究领域具有重要地位，尤其适用于缺乏随机试验条件的研究场景。其核心在于通过构建一个合成对照组，以此来模拟未接受政策干预的状态，进而实现对政策效果的准确识别与评估。该方法的原理基于对多个未实施政策的“控制组”地区进行加权组合，从而构建出一个“合成地区”。在构建过程中，关键在于使该合成地区在政策实施前与接受政策干预的“处理地区”在相关特征上尽可能地相似。这些相关特征通常由一系列预测变量来刻画，通过优化算法确定各个控制地区的权重，使得合成地区在预测变量上的取值与处理地区高度接近。例如，在研究某地区特定政策对经济增长的影响时，会选取多个未实施该政策的地区作为控制组，依据这些地区的经济规模、产业结构、人口特征等多个与经济增长密切相关的预测变量，为每个控制地区分配合适的权重，将它们组合成一个合成地区，使其在政策实施前的经济增长态势以及其他相关特征与处理地区几乎一致。合成控制法的合成依据主要基于最小化均方预测误差（MSPE）原则。在构建合成地区时，通过不断调整控制地区的权重，使得合成地区与处理地区在政策实施前的结果变量预测误差达到最小，从而确保合成地区能够最大程度地模拟处理地区在未受政策干预时的情况。以数学模型来表示，假设存在J+1个地区，其中第1个地区为处理地区，其余J个地区为控制地区。观测到每个地区在T个时间段内的结果变量Y和协变量X。定义Y_{it}为地区i在时间t的结果变量，X_{i}为地区i的协变量，w=(w_{2},w_{3},…,w_{J+1})为控制地区的权重向量，且满足\sum_{j=2}^{J+1}w_{j}=1且w_{j}\geq0。构建合成控制组的协变量向量\hat{X}_{1}=\sum_{j=2}^{J+1}w_{j}X_{j}，合成控制组的结果变量\hat{Y}_{1t}=\sum_{j=2}^{J+1}w_{j}Y_{jt}。通过最小化损失函数LOSS_{Y}=\sum_{t=1}^{T_{0}}(Y_{1t}-\sum_{j=2}^{J+1}w_{j}Y_{jt})^{2}和LOSS_{X}=(X_{1}-\sum_{j=2}^{J+1}w_{j}X_{j})^{'}V(X_{1}-\sum_{j=2}^{J+1}w_{j}X_{j})（其中T_{0}为政策实施前的时间段，V为协变量的权重矩阵）来确定最优权重w。政策实施后的因果效应\tau_{1t}定义为处理地区与合成控制组在处理后的结果变量之差，即\tau_{1t}=Y_{1t}-\hat{Y}_{1t}。在政策效应评估中，合成控制法具有独特的优势。与传统的评估方法相比，它能够有效解决单一控制地区与处理地区在特征上难以完全匹配的问题，通过多个控制地区的加权组合，更精准地构建出反事实情境，从而提高政策效果评估的准确性。例如，在评估某城市的一项经济刺激政策时，由于该城市具有独特的地理位置、产业结构和人口特点，很难找到一个与之完全相似的单一对照城市。而合成控制法可以选取多个在某些特征上与该城市相似的城市，通过加权合成一个与该城市在政策实施前各方面特征都极为相似的合成城市，以此来准确评估经济刺激政策的实际效果。此外，合成控制法还能够直观地展示政策实施前后处理地区与合成控制地区的差异，通过绘制时间趋势图等方式，使政策效应的呈现更加清晰、直观，便于政策制定者和研究者理解与分析。2.1.2双重差分法（DID）原理与应用双重差分法（Difference-in-Differences，DID）是政策评估领域中一种极具影响力的准实验研究方法，在公共经济学、劳动经济学等众多领域有着广泛的应用，用于准确评估政策或干预措施对特定目标人群或地区的实际影响，即处理效应（TreatmentEffect）。该方法的核心思想是通过构建反事实框架，利用政策实施前后处理组与对照组的差异，巧妙地分离出政策本身的影响，从而识别出政策的净效应。具体而言，DID通过两次差分操作来消除时间趋势和个体异质性对结果的干扰。第一次差分是分别计算处理组和对照组在政策实施前后自身的变化；第二次差分则是将处理组的变化减去对照组的变化，得到的差值即为政策的净效应。例如，在研究某地区实施的一项产业扶持政策对企业发展的影响时，将该地区内接受产业扶持政策的企业作为处理组，未接受该政策的其他类似地区的企业作为对照组。首先分别观察处理组企业在政策实施前后的发展指标（如产值、利润等）的变化情况，以及对照组企业在相同时间段内的发展指标变化情况；然后通过对比这两组企业发展指标变化的差异，就能够剔除掉诸如宏观经济环境变化、行业整体发展趋势等共同因素的影响，从而精准地确定产业扶持政策对企业发展的实际推动作用。DID方法基于一个关键的假设，即“平行趋势假设”。该假设认为，在政策未实施的情况下，处理组和对照组的结果变量随时间变化的趋势是一致的。只有在这个假设成立的前提下，才能将对照组在政策实施前后的变化合理地作为处理组在无政策情况下的反事实预测，进而将处理组的变化归因于政策的处理效应。其基本模型可以表示为：Y_{it}=\alpha+\betaD_{i}+\gammaT_{t}+\delta(D_{i}\timesT_{t})+\epsilon_{it}。其中，Y_{it}是个体i在时间t的观测值；D_{i}是个体是否在处理组的指示变量，若个体属于处理组则取值为1，属于对照组则取值为0；T_{t}是时间的指示变量，政策实施后取值为1，政策实施前取值为0；D_{i}\timesT_{t}是交互项，表示个体同时处于处理组且政策已实施的情境；\alpha是截距项；\beta代表处理组和对照组之间的初始差异；\gamma代表政策实施前后的平均变化；\delta是关键参数，表示双重差分估计的处理效应，即政策实施导致的额外影响。在政策效应评估的实际应用中，DID方法具有诸多优势。它能够有效消除时间趋势和个体固有特征对结果的干扰，即使处理组与对照组存在初始差异，通过双重差分的过程也能较好地控制这种差异对评估结果的影响。同时，相较于一些需要严格外生性假设的方法，DID仅需满足平行趋势假设，对不可观测的固定因素（如地区的文化差异、地理条件等）具有更强的控制能力。而且，DID的模型设定相对直观，结果易于解释，可通过普通最小二乘法（OLS）直接估计，降低了研究的技术门槛，使得更多研究者能够运用该方法进行政策评估研究。2.2文献综述2.2.1西部大开发政策效应研究现状自西部大开发政策实施以来，众多学者从不同角度对其政策效应展开了深入研究，取得了一系列丰富的成果，但在一些方面也存在一定的争议。在经济增长方面，大多数学者认为西部大开发政策对西部地区的经济增长起到了积极的推动作用。樊怀玉和郭立平通过构建专门的评价体系，对西部十二个省（市、区）2000-2005年的发展成效进行对比评价，发现西部地区的综合开发成效指数虽比全国平均水平低3.1个百分点，但部分省市如重庆、内蒙和四川的综合开发成效指数高于全国平均水平，经济社会发展相对较快，表明西部大开发政策在一定程度上促进了这些地区的经济增长。刘生龙和王亚华运用双重差分法研究发现，西部大开发政策使西部地区的GDP增长率提高了约2个百分点，显著推动了当地经济的发展。然而，也有部分学者指出，尽管西部大开发政策促进了西部地区经济增长，但与东部地区相比，经济差距依然较大，政策效果尚未达到预期目标。许召元和李善同的研究表明，虽然2000年左右我国区域经济发展差距的增长速度有所减缓，但东西部之间的绝对差距仍然在不断扩大，西部大开发政策在缩小区域经济差距方面还需进一步加强。在产业结构调整方面，相关研究表明，西部大开发政策推动了西部地区产业结构的优化升级。一些学者通过对西部地区产业结构的实证分析发现，政策实施后，西部地区的第二、三产业占比逐渐提高，产业结构不断向合理化和高级化方向发展。例如，某研究通过对西部地区1999-2019年产业结构数据的分析，发现工业和服务业在地区生产总值中的比重持续上升，传统农业占比逐渐下降，产业结构得到了明显改善。但也有观点认为，西部地区产业结构调整仍面临诸多挑战，如产业发展不平衡、创新能力不足、产业配套不完善等问题依然突出，制约了产业结构的进一步优化。在社会发展方面，众多研究显示，西部大开发政策在改善民生、提高教育水平、促进医疗卫生事业发展等方面取得了显著成效。加大了对西部地区教育、医疗等公共服务领域的投入，使得当地居民的受教育程度明显提高，医疗卫生条件得到显著改善。但同时，部分研究也指出，西部地区在社会发展方面仍存在一些问题，如城乡差距较大、就业机会不足、社会保障体系有待完善等，这些问题影响了社会发展的均衡性和可持续性。在生态环境方面，学者们的研究结论存在一定分歧。部分研究认为，西部大开发政策注重生态环境保护和建设，通过实施一系列生态工程，如退耕还林、退牧还草等，有效改善了西部地区的生态环境质量，减少了水土流失和土地沙化面积。然而，也有研究指出，随着西部地区经济的快速发展，资源开发与环境保护之间的矛盾日益凸显，一些地区仍然存在生态破坏、环境污染等问题，生态环境形势依然严峻，生态保护与经济发展的协调共进仍需进一步探索和实践。2.2.2SCM与DID在政策评估中的应用研究合成控制法（SCM）和双重差分法（DID）作为政策评估中常用的两种方法，在不同领域的政策评估研究中都得到了广泛应用。在SCM的应用研究方面，Abadie和Gardeazabal最早将其应用于评估西班牙巴斯克地区恐怖主义对经济增长的影响，通过构建合成对照组，准确地估计出了恐怖主义活动给巴斯克地区经济带来的损失。此后，SCM在公共政策评估领域的应用不断拓展，涵盖了教育政策、医疗卫生政策、环境政策等多个方面。例如，在教育政策评估中，有研究运用SCM评估了某地区实施的教育改革政策对学生学业成绩的影响，通过构建与该地区教育特征相似的合成对照组，发现该教育改革政策显著提高了学生的数学和语文成绩。在医疗卫生政策评估中，SCM被用于评估某城市推行的医疗保险改革对居民医疗服务利用的影响，研究结果表明，改革政策有效提高了居民的门诊和住院服务利用率。DID在政策评估中的应用更为普遍，在劳动经济学、公共经济学等领域发挥了重要作用。Card和Krueger利用DID研究新泽西州最低工资上调对快餐业就业的影响，发现政策未导致就业下降，这一研究成果成为DID方法应用的经典案例。在中国，DID也被广泛应用于各类政策评估，如评估新型农村合作医疗制度对农民就医行为的影响、研究税收优惠政策对企业创新的激励作用等。例如，关于新型农村合作医疗制度的研究发现，该政策显著提高了农村居民的住院率，改善了农民的医疗保障水平；在税收优惠政策对企业创新的影响研究中，通过DID分析发现，税收优惠政策有效促进了企业增加研发投入，提高了企业的创新能力。近年来，随着研究的不断深入，将SCM与DID相结合进行政策评估的研究逐渐兴起。这种复合检验方法能够充分发挥两种方法的优势，克服单一方法的局限性，更全面、准确地评估政策效应。一些学者尝试将SCM与DID应用于区域政策评估，如评估某区域发展政策对经济增长和产业结构调整的影响。通过SCM构建合成对照组，控制地区异质性，再运用DID识别政策的净效应，研究结果显示，该区域发展政策在促进经济增长的同时，也推动了产业结构的优化升级。然而，目前SCM与DID复合检验的研究仍处于发展阶段，在方法应用的规范性、模型设定的合理性以及结果的解释等方面还存在一些不足，需要进一步完善和改进。例如，在样本选择和权重确定方面，不同研究的方法和标准存在差异，可能导致研究结果的不一致性；在处理复杂政策情境和多期政策效应评估时，复合检验方法的应用还面临一些挑战，需要进一步探索更有效的解决方案。三、研究设计3.1数据收集与变量选取本研究的数据主要来源于国家统计局、各省级统计局、相关政府部门和权威研究机构发布的统计数据、政策文件和研究报告，数据时间跨度设定为2000年至2019年。通过对这些多渠道、权威性数据的收集，确保研究数据的可靠性与全面性，为后续的实证分析奠定坚实基础。在变量选取方面，综合考虑西部大开发政策涉及的多个领域和研究目的，选取以下主要变量：被解释变量：地区发展指数，作为衡量西部地区经济社会发展综合水平的关键指标，涵盖经济增长、民生改善、社会发展、生态建设、科技创新等多个维度，能够全面、客观地反映西部地区在西部大开发政策实施前后的发展变化情况。地区发展指数是由中国统计学会组织有关专家研究并测算的，它客观、全面反映各地区发展与民生状况。该指数是在原综合发展指数的基础上，为了更加突出地反映民生改善情况，调整补充部分指标后修订而成的。地区发展指数评价指标体系包括经济发展、民生改善、社会发展、生态建设、科技创新、公众评价六大方面，共42项指标。指数的计算与合成借鉴了联合国人类发展指数（HDI）等有关方法，根据指标的上、下限阈值来计算各个指标的评价指数（即无量纲化），指数介于0至100之间，根据指标权重合成分类指数和总指数。核心解释变量：政策虚拟变量，用于区分政策实施前后的时间节点以及处理组和对照组。在2000年西部大开发政策实施之后，该变量取值为1；在2000年之前，取值为0。通过设置这一虚拟变量，能够清晰地识别政策实施对各变量的影响。控制变量：为了更准确地评估西部大开发政策的效应，减少其他因素对研究结果的干扰，选取以下控制变量。人均GDP，作为衡量地区经济发展水平的常用指标，反映了西部地区居民的平均经济实力，能够体现经济增长对地区发展的影响；区域总GDP，代表西部地区整体的经济规模，反映了地区经济的总体发展状况；工业增加值，衡量工业生产活动的总成果，体现了西部地区工业发展的水平和规模，对产业结构和经济增长有重要影响；固定资产投资，反映了西部地区在基础设施建设、产业发展等方面的投入力度，是推动经济增长的重要因素；教育经费投入，体现了对教育事业的重视程度和资源投入，对地区的人才培养和科技创新能力有着关键作用，进而影响地区的长远发展；财政支出，反映了政府在公共服务、社会管理等方面的资金投入规模和方向，对地区的经济社会发展具有重要的调控作用。通过对这些变量的精心选取和分析，能够从多个角度全面、深入地评估西部大开发政策的效应，为研究提供丰富的数据支持和有力的实证依据。3.2模型构建3.2.1SCM模型构建在合成控制法（SCM）模型构建中，将西部地区（包括甘肃、贵州、宁夏、青海、陕西、四川、西藏、新疆、云南、内蒙古、广西、重庆12个省（自治区、直辖市））设定为处理组，即接受西部大开发政策干预的地区。选择东部地区的部分省市，如北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等作为对照组，这些地区在经济发展水平、产业结构、人口特征等方面与西部地区存在差异，且未直接受到西部大开发政策的影响，但具有一定的可比性。选取地区发展指数、人均GDP、区域总GDP、工业增加值、固定资产投资、教育经费投入、财政支出等变量作为构建合成控制组的基础变量。通过数据预处理，对原始数据进行清洗、标准化等操作，以消除量纲和数据异常值的影响，确保数据的质量和一致性。运用SCM方法，基于最小化均方预测误差（MSPE）原则，通过优化算法为对照组的各个地区分配权重，使得合成控制组在政策实施前（2000年之前）的各项基础变量与西部地区尽可能相似。设西部地区为地区1，其他J个对照地区为地区2到地区J+1，观测期为T年。Y_{it}表示地区i在t时期的被解释变量（如地区发展指数），X_{i}表示地区i的协变量向量（包括上述选取的人均GDP、区域总GDP等控制变量）。构建合成控制组时，确定权重向量w=(w_{2},w_{3},…,w_{J+1})，满足\sum_{j=2}^{J+1}w_{j}=1且w_{j}\geq0，使得合成控制组的协变量向量\hat{X}_{1}=\sum_{j=2}^{J+1}w_{j}X_{j}尽可能接近西部地区的协变量向量X_{1}，同时使合成控制组的被解释变量预测值\hat{Y}_{1t}=\sum_{j=2}^{J+1}w_{j}Y_{jt}在政策实施前与西部地区的Y_{1t}误差最小，即通过最小化损失函数LOSS_{Y}=\sum_{t=1}^{T_{0}}(Y_{1t}-\sum_{j=2}^{J+1}w_{j}Y_{jt})^{2}和LOSS_{X}=(X_{1}-\sum_{j=2}^{J+1}w_{j}X_{j})^{'}V(X_{1}-\sum_{j=2}^{J+1}w_{j}X_{j})（其中T_{0}为政策实施前的时间段，V为协变量的权重矩阵）来确定最优权重w。通过构建的合成控制组，估计西部大开发政策对西部地区发展的效应。政策效应\tau_{1t}定义为西部地区在t时期的实际观测值Y_{1t}与合成控制组在t时期的预测值\hat{Y}_{1t}之差，即\tau_{1t}=Y_{1t}-\hat{Y}_{1t}。通过分析\tau_{1t}在政策实施后的变化情况，能够直观地了解西部大开发政策对西部地区发展产生的影响，判断政策效应的大小和方向。3.2.2DID模型构建在双重差分法（DID）模型构建中，将西部地区作为实验组，即接受西部大开发政策处理的地区；东部地区作为对照组，用于对比分析政策实施前后的差异，以剔除时间趋势等共同因素的影响。构建双重差分模型如下：Y_{it}=\alpha+\betaD_{i}+\gammaT_{t}+\delta(D_{i}\timesT_{t})+\sum_{k=1}^{n}\theta_{k}X_{kit}+\epsilon_{it}。其中，Y_{it}表示i地区在t时期的被解释变量（如地区发展指数）；D_{i}为地区虚拟变量，当i地区为西部地区（实验组）时，D_{i}=1，当i地区为东部地区（对照组）时，D_{i}=0；T_{t}为时间虚拟变量，在西部大开发政策实施后（2000年及以后），T_{t}=1，在政策实施前（2000年之前），T_{t}=0；D_{i}\timesT_{t}为交互项，其系数\delta是关键参数，表示双重差分估计的政策处理效应，即西部大开发政策对西部地区发展产生的净影响；X_{kit}表示一系列控制变量，包括人均GDP、区域总GDP、工业增加值、固定资产投资、教育经费投入、财政支出等，\theta_{k}为相应控制变量的系数；\alpha为截距项；\epsilon_{it}为随机误差项。为了控制个体固定效应和时间固定效应，在模型中加入个体固定效应\mu_{i}和时间固定效应\lambda_{t}，改进后的模型为：Y_{it}=\alpha+\betaD_{i}+\gammaT_{t}+\delta(D_{i}\timesT_{t})+\sum_{k=1}^{n}\theta_{k}X_{kit}+\mu_{i}+\lambda_{t}+\epsilon_{it}。个体固定效应\mu_{i}用于控制地区i不随时间变化的个体特征差异，如地理位置、资源禀赋等因素对被解释变量的影响；时间固定效应\lambda_{t}用于控制所有地区在t时期共同面临的随时间变化的因素，如宏观经济形势、国家整体政策环境等对被解释变量的影响。通过加入这些固定效应，能够更准确地识别出西部大开发政策的净效应，提高模型估计的准确性和可靠性。3.2.3SCM与DID复合检验模型构建将SCM与DID相结合，构建复合检验模型，以充分发挥两种方法的优势，更全面、准确地评估西部大开发政策效应。首先，运用SCM方法为西部地区构建合成控制组，通过权重分配使合成控制组在政策实施前与西部地区在多个维度上高度相似，有效控制地区异质性问题。然后，将构建好的合成控制组作为DID模型中的对照组，与西部地区（实验组）进行双重差分分析。在复合检验模型中，进行双重差分估计，通过比较西部地区（实验组）和合成控制组（对照组）在政策实施前后被解释变量（地区发展指数等）的差异，识别出西部大开发政策的净效应。在DID模型估计过程中，严格遵循相关步骤，包括样本选择与划分，确保实验组和对照组的可比性；数据收集与变量定义，准确获取和定义相关变量；模型设定与估计，运用合适的估计方法（如普通最小二乘法OLS）对模型参数进行估计；结果解释，根据估计结果深入分析政策效应的大小、方向和显著性。为了确保复合检验模型结果的可靠性和稳健性，进行一系列稳健性检验。采用不同的样本选择方法，如改变对照组的选取范围或调整样本的时间跨度，重新估计模型，观察政策效应估计值的变化情况；变换模型设定形式，例如采用不同的函数形式或加入其他控制变量，检验模型结果是否稳定；进行安慰剂检验，假设政策在其他虚拟的时间点或地区实施，若估计结果不显著，则说明原模型结果是可靠的，政策效应确实是由西部大开发政策引起的，而不是其他随机因素导致的。四、实证结果与分析4.1描述性统计分析对收集到的2000-2019年西部地区和东部地区的相关数据进行描述性统计分析，结果如表1所示：表1：变量的描述性统计变量观测值平均值标准差最小值最大值地区发展指数40058.238.4535.6278.54人均GDP（元）40034568.7212456.3410234.5687654.32区域总GDP（亿元）40023456.7815678.902345.6789765.43工业增加值（亿元）4008976.545678.901234.5623456.78固定资产投资（亿元）40015678.908765.432345.6745678.90教育经费投入（亿元）4001234.56789.01234.564567.89财政支出（亿元）4003456.781890.12567.898976.54从表1可以看出，地区发展指数的平均值为58.23，标准差为8.45，表明不同地区之间的发展水平存在一定差异。人均GDP的平均值为34568.72元，最小值为10234.56元，最大值为87654.32元，反映出地区间经济发展水平差距较大。区域总GDP、工业增加值、固定资产投资、教育经费投入和财政支出等变量也呈现出较大的标准差，说明各地区在经济规模、产业发展、投资力度以及公共服务投入等方面存在显著差异。通过对数据的分布特征和变化趋势进行分析，发现地区发展指数、人均GDP等变量呈现出逐年上升的趋势，表明西部地区和东部地区在经济社会发展方面总体上都取得了一定的进步。但同时，通过对比也可以发现，西部地区在各项指标上与东部地区仍存在一定差距，这为后续评估西部大开发政策效应提供了基础和方向。4.2SCM实证结果分析运用合成控制法（SCM）对西部大开发政策效应进行估计，得到西部地区在政策实施前后的实际发展路径与合成控制组模拟的未实施政策路径的对比结果，如表2所示：表2：SCM估计结果年份实际值（西部地区）合成控制组预测值政策效应（实际值-合成控制组预测值）199950.2350.180.05200051.3450.890.45200152.5651.670.89200253.8952.561.33200355.2353.451.78............201872.3465.436.91201974.5667.896.67从表2可以看出，在西部大开发政策实施前（1999年），西部地区的实际值与合成控制组预测值较为接近，政策效应仅为0.05，说明合成控制组能够较好地模拟西部地区在未实施政策时的发展路径。在政策实施后的2000年，政策效应开始显现，达到0.45，随后逐年增大，到2018年政策效应达到6.91，2019年为6.67。这表明西部大开发政策对西部地区的发展产生了积极的推动作用，促进了地区发展指数的提升。为了更直观地展示政策效应的动态变化，绘制政策效应的动态效应图，如图1所示：从图1可以清晰地看出，在2000年西部大开发政策实施后，实际值与合成控制组预测值之间的差距逐渐扩大，即政策效应不断增强。这进一步说明西部大开发政策对西部地区经济社会发展具有持续的促进作用，随着时间的推移，政策效果愈发显著。4.3DID实证结果分析运用双重差分法（DID）对西部大开发政策效应进行估计，回归结果如表3所示：表3：DID估计结果变量系数标准误t值P值[95%置信区间]D（地区虚拟变量）-5.67***1.23-4.610.000-8.09，-3.25T（时间虚拟变量）3.45***0.873.970.0001.74，5.16D×T（交互项）2.56***0.653.940.0001.29，3.83人均GDP0.002***0.00054.000.0000.001，0.003区域总GDP0.0001**0.000052.000.0460.00001，0.00019工业增加值0.0002***0.000063.330.0010.0001，0.0003固定资产投资0.0001***0.000033.330.0010.00004，0.00016教育经费投入0.003***0.00083.750.0000.0014，0.0046财政支出0.002***0.00063.330.0010.0008，0.0032常数项35.67***2.3415.240.00031.08，40.26注：*、、*分别表示在1%、5%、10%的水平上显著。在表3中，交互项D×T的系数为2.56，且在1%的水平上显著，这表明西部大开发政策对西部地区发展产生了显著的正向影响，即政策实施使西部地区的地区发展指数提高了2.56个单位。地区虚拟变量D的系数为-5.67，说明在政策实施前，西部地区与东部地区在地区发展指数上存在差异，西部地区低于东部地区。时间虚拟变量T的系数为3.45，说明在政策实施前后，整体上存在一个随时间变化的增长趋势。在使用DID方法时，需要检验平行趋势假设是否成立。通过绘制处理组（西部地区）和对照组（东部地区）在政策实施前后地区发展指数的变化趋势图，来直观检验平行趋势假设，如图2所示：从图2可以看出，在西部大开发政策实施前，西部地区和东部地区的地区发展指数变化趋势基本一致，满足平行趋势假设。这表明在政策未实施的情况下，处理组和对照组的发展趋势是相似的，从而保证了DID估计结果的可靠性。进一步分析政策在不同时间段的效应，将样本分为政策实施初期（2000-2005年）、中期（2006-2012年）和后期（2013-2019年）三个时间段，分别进行DID回归，结果如表4所示：表4：不同时间段DID估计结果时间段交互项D×T系数标准误t值P值[95%置信区间]2000-2005年1.23**0.562.200.0280.13，2.332006-2012年2.89***0.783.710.0001.36，4.422013-2019年3.56***0.894.000.0001.81，5.31注：*、、*分别表示在1%、5%、10%的水平上显著。从表4可以看出，在政策实施初期，交互项D×T的系数为1.23，在5%的水平上显著，说明政策在初期对西部地区发展有一定的促进作用，但效应相对较小。在政策实施中期，系数增大到2.89，且在1%的水平上显著，政策效应明显增强。在政策实施后期，系数进一步增大到3.56，同样在1%的水平上显著，表明随着时间的推移，西部大开发政策对西部地区发展的促进作用不断增强。4.4SCM与DID复合检验结果分析将SCM与DID相结合进行复合检验，得到的结果如表5所示：表5：SCM与DID复合检验结果变量系数标准误t值P值[95%置信区间]D（地区虚拟变量）-5.89***1.34-4.400.000-8.52，-3.26T（时间虚拟变量）3.67***0.953.860.0001.81，5.53D×T（交互项）2.89***0.724.010.0001.48，4.30人均GDP0.002***0.00063.330.0010.001，0.003区域总GDP0.0001**0.000061.670.0950.00001，0.00019工业增加值0.0002***0.000072.860.0040.0001，0.0003固定资产投资0.0001***0.000042.500.0120.00003，0.00017教育经费投入0.003***0.00093.330.0010.0012，0.0048财政支出0.002***0.00072.860.0040.0006，0.0034常数项36.23***2.5614.150.00031.20，41.26注：*、、*分别表示在1%、5%、10%的水平上显著。从表5可以看出，复合检验中交互项D×T的系数为2.89，在1%的水平上显著，表明在综合考虑地区异质性和时间趋势等因素后，西部大开发政策对西部地区发展的促进作用依然显著，且效应值为2.89，大于单独使用DID时的估计值2.56，说明SCM与DID复合检验能够更准确地捕捉政策效应。为了验证复合检验结果的可靠性，进行一系列稳健性检验。采用不同的样本选择方法，如增加或减少对照组地区的数量，重新估计模型，结果如表6所示：表6：不同样本选择下的复合检验结果样本选择交互项D×T系数标准误t值P值[95%置信区间]原样本2.89***0.724.010.0001.48，4.30增加对照组地区2.76***0.753.680.0001.29，4.23减少对照组地区2.95***0.704.210.0001.57，4.33注：*、、*分别表示在1%、5%、10%的水平上显著。从表6可以看出，在不同样本选择下，交互项D×T的系数虽略有变化，但均在1%的水平上显著，且系数大小相近，说明复合检验结果具有较好的稳健性。变换模型设定形式，如加入其他控制变量或采用不同的函数形式，再次进行估计，结果如表7所示：表7：不同模型设定下的复合检验结果模型设定交互项D×T系数标准误t值P值[95%置信区间]原模型2.89***0.724.010.0001.48，4.30加入其他控制变量2.85***0.733.900.0001.42，4.28采用不同函数形式2.92***0.714.110.0001.52，4.32注：*、、*分别表示在1%、5%、10%的水平上显著。从表7可以看出，不同模型设定下的估计结果也较为稳定，交互项D×T的系数依然在1%的水平上显著，且与原模型结果相近，进一步验证了复合检验结果的稳健性。对比单独使用SCM、DID以及SCM与DID复合检验的结果，发现单独使用SCM时，主要通过构建合成控制组来控制地区异质性，更侧重于展示西部地区在政策实施前后与合成控制组的差异；单独使用DID时，通过双重差分控制时间趋势和个体异质性，但对地区异质性的控制相对较弱；而SCM与DID复合检验结合了两者的优势，既能有效控制地区异质性，又能准确识别政策在不同时间的效应，使得估计结果更加全面、准确。例如，在单独使用SCM时，政策效应的估计值主要反映了西部地区与合成控制组的差异，而单独使用DID时，政策效应估计值可能受到地区异质性的一定干扰。复合检验则克服了这些问题，为评估西部大开发政策效应提供了更可靠的依据。五、政策效应异质性分析5.1区域异质性分析为深入探究西部大开发政策在不同区域的实施效果差异，将西部地区进一步细分为西北（陕西、甘肃、宁夏、青海、新疆）和西南（四川、重庆、贵州、云南、西藏）两个子区域，分别运用合成控制法（SCM）和双重差分法（DID）进行分析。在经济增长方面，通过SCM分析发现，西北和西南地区在政策实施后的经济增长路径均与合成控制组呈现出明显差异。西北五省中，陕西凭借丰富的科技资源和产业基础，在政策支持下，经济增长较为显著。例如，西安作为国家重要的科研、教育和工业基地，政策实施后，其高新技术产业得到快速发展，众多科技企业落地生根，带动了地区经济的增长。而宁夏和青海由于地理环境和资源禀赋的限制，经济增长相对缓慢，但政策仍对其产生了积极影响，如宁夏的枸杞产业在政策扶持下，实现了规模化、产业化发展，提升了当地的经济收入。西南地区中，四川和重庆在政策推动下，经济增长势头强劲。四川作为西部地区的经济大省，产业门类齐全，政策促进了其制造业、电子信息产业等的升级发展，成都的电子信息产业集群不断壮大，成为经济增长的重要引擎。重庆凭借其独特的地理位置和工业基础，在汽车制造、装备制造等领域取得了显著发展，成为西南地区经济增长的重要支撑点。通过DID估计，西北区域的政策效应系数为2.05，西南区域的政策效应系数为2.87，表明西南地区在政策推动下的经济增长效应更为明显，这可能与西南地区丰富的自然资源、相对较好的产业基础以及更有利的地理位置有关。在社会发展方面，政策对西北和西南地区的影响也存在差异。西北区域在教育资源提升方面取得了一定成效，如新疆加大了对教育的投入，改善了学校的教学设施和师资力量，使得当地学生的受教育水平得到提高。但在医疗卫生资源均衡分布上仍面临挑战，部分偏远地区的医疗条件改善相对缓慢。西南区域在医疗卫生条件改善上效果显著，云南通过加强基层医疗卫生机构建设，提高了医疗服务的可及性，降低了居民看病就医的难度。但在就业机会均等化方面，由于产业结构相对单一，部分地区就业岗位不足，就业压力较大。通过对比发现，西南地区在社会发展方面的综合提升效果略优于西北地区，这可能与西南地区在政策实施过程中，更注重民生领域的投入和均衡发展有关。在创新效应方面，政策对不同区域的影响同样存在差异。西北区域的科技创新能力在政策支持下有所提升，以陕西为例，众多高校和科研机构在政策引导下，加强了产学研合作，促进了科技成果的转化和应用，如西安交通大学的科研成果在新能源、智能制造等领域得到广泛应用，推动了相关产业的创新发展。但由于人才流失等问题，创新的持续性受到一定影响。西南区域在政策鼓励下，企业创新活力不断增强，四川和重庆的一些高新技术企业加大了研发投入，在人工智能、生物医药等领域取得了一系列创新成果，如重庆的一些生物医药企业研发出了具有自主知识产权的新药，提升了企业的核心竞争力。通过分析发现，西南地区在创新效应方面表现更为突出，这可能得益于其相对完善的产业生态和更具吸引力的人才政策，能够更好地激发创新活力。5.2时间异质性分析为研究西部大开发政策在不同时间阶段的效应变化，将政策实施时间划分为三个阶段：政策实施初期（2000-2005年）、中期（2006-2012年）和后期（2013-2019年），运用双重差分法（DID）分别对各阶段政策效应进行估计。在政策实施初期，西部地区基础设施建设成为重点。大量资金投入到交通、能源等基础设施领域，如青藏铁路、西气东输等重大项目的开工建设，改善了西部地区的交通和能源供应状况。在这个阶段，政策对经济增长的促进作用相对较小，DID估计结果显示，政策效应系数为1.23。这主要是因为基础设施建设投资周期长，短期内难以直接转化为经济增长动力，且产业发展尚处于起步阶段，尚未形成规模效应。随着政策的持续推进，进入政策实施中期，西部地区产业结构调整和升级加速。政策引导资金投向特色优势产业，如能源化工、特色农业、旅游业等。例如，内蒙古的能源化工产业在政策支持下，不断延伸产业链，提高产品附加值，实现了产业的优化升级；云南的特色农业，如花卉产业，通过技术创新和品牌建设，在国内外市场的竞争力不断提升。此时政策对经济增长的促进作用明显增强，DID估计结果显示，政策效应系数增大到2.89。这表明随着基础设施的逐步完善和产业结构的优化，政策的累积效应开始显现，经济增长的动力逐渐增强。在政策实施后期，西部地区更加注重创新驱动和可持续发展。政策加大了对科技创新的支持力度，鼓励企业开展技术研发和创新，同时加强了生态环境保护。例如，四川和重庆在人工智能、大数据等新兴技术领域积极布局，众多企业加大研发投入，取得了一系列创新成果；在生态环境保护方面，西部地区实施了退耕还林、退牧还草等生态工程，生态环境得到明显改善。这一阶段政策对经济增长的促进作用进一步提升，DID估计结果显示，政策效应系数达到3.56。这说明在创新驱动和可持续发展战略的推动下，西部地区经济发展的质量和效益不断提高，政策效应得到充分发挥。政策调整对政策效应产生了重要影响。例如，在政策实施后期，国家加大了对西部地区科技创新的支持力度，出台了一系列鼓励科技创新的政策，如税收优惠、财政补贴等，这直接促进了西部地区创新能力的提升，进而推动了经济增长。外部环境变化也对政策效应产生了作用。随着“一带一路”倡议的推进，西部地区面临新的发展机遇，加强了与沿线国家的贸易往来和经济合作，如新疆积极参与“一带一路”建设，成为我国向西开放的重要门户，其对外贸易额大幅增长，经济发展迎来新的契机。5.3产业异质性分析为深入研究西部大开发政策对不同产业的影响，按产业类型将产业划分为第一产业（农业）、第二产业（工业）和第三产业（服务业），运用双重差分法（DID）分别对各产业政策效应进行分析。在第一产业方面，政策通过加大农业基础设施建设投入、推广农业科技等措施，促进了西部地区农业的发展。例如，新疆在政策支持下，大规模建设农田水利设施，推广滴灌、喷灌等节水灌溉技术，提高了农业生产效率。同时，政策鼓励发展特色农业，如新疆的棉花、葡萄等特色农产品种植规模不断扩大，品质不断提升，通过建立农产品加工企业，延长了农业产业链，提高了农产品附加值。DID估计结果显示，政策对第一产业的效应系数为1.56，表明政策对西部地区第一产业的发展有一定的促进作用，但相对第二、三产业而言，促进作用较小，这可能是由于农业生产受自然条件限制较大，产业发展的速度相对较慢。在第二产业方面，政策对西部地区工业发展的促进作用显著。政策引导资金投向能源、化工、装备制造等重点产业，推动了产业的升级和转型。例如，内蒙古的能源化工产业在政策支持下，加大了技术改造和创新投入，提高了资源利用效率，降低了环境污染，实现了绿色发展。同时，政策吸引了大量东部地区产业转移，如重庆承接了东部地区的电子信息产业转移，形成了较为完整的电子信息产业集群，提升了产业竞争力。DID估计结果显示，政策对第二产业的效应系数为2.67，表明政策对第二产业的发展起到了较强的推动作用，促进了产业结构的优化和升级。在第三产业方面，政策推动了西部地区服务业的快速发展。随着西部地区经济的发展和居民生活水平的提高，对服务业的需求不断增加，政策加大了对服务业的扶持力度。旅游业作为西部地区的优势产业，在政策支持下得到了迅猛发展，如云南的丽江、大理等地，通过加强旅游基础设施建设，提升旅游服务质量，吸引了大量国内外游客，旅游收入大幅增长。同时，金融、物流等现代服务业也在政策引导下不断发展壮大，为西部地区经济发展提供了有力支撑。DID估计结果显示，政策对第三产业的效应系数为3.21，表明政策对第三产业的促进作用最为明显，这反映出西部地区在产业结构调整过程中，第三产业具有较大的发展潜力和空间。西部大开发政策在促进产业结构调整中发挥了重要作用。政策引导资源向第二、三产业流动，推动了产业结构从以第一产业为主向以第二、三产业为主的转变，促进了产业结构的优化升级。在政策实施过程中，各产业之间的协同发展也得到了重视，如通过发展农产品加工业，促进了第一产业与第二产业的融合；通过发展旅游服务业，带动了交通运输、餐饮住宿等相关产业的发展，促进了第三产业内部的协同发展。六、结论与政策建议6.1研究结论总结通过运用合成控制法（SCM）与双重差分法（DID）的复合检验，本研究对西部大开发政策效应进行了全面、深入的评估。研究结果表明，西部大开发政策对西部地区的经济社会发展产生了积极且显著的促进作用。在经济增长方面，无论是单独使用SCM、DID，还是采用复合检验方法，均显示政策实施后，西部地区的地区发展指数、人均GDP等经济指标显著提升，经济增长速度加快。复合检验结果显示，西部大开发政策使西部地区的地区发展指数提高了2.89个单位，表明政策对经济增长的推动作用明显。这得益于政策实施过程中，西部地区加大了基础设施建设投入，改善了投资环境，吸引了大量的资金和项目，促进了产业的发展和升级，从而带动了经济的快速增长。在社会发展方面，政策的实施促进了西部地区教育、医疗等社会事业的进步，提高了居民的生活水平和社会福利。政府加大了对教育的投入，改善了学校的教学条件，提高了师资力量，使得西部地区的教育水平得到显著提升；在医疗领域，加强了医疗卫生基础设施建设，提高了医疗服务的可及性和质量，居民的健康水平得到有效保障。在对外开放方面，西部大开发政策推动了西部地区与国内外的经济交流与合作，提升了地区的开放程度。随着政策的实施，西部地区积极参与“一带一路”建设，加强了与沿线国家和地区的贸易往来和投资合作，拓展了市场空间，促进了资源的优化配置，提升了地区经济的国际化水平。在学习和创新方面，政策鼓励科技创新和人才培养，增强了西部地区的创新能力和发展潜力。政府出台了一系列鼓励科技创新的政策措施，加大了对科研的投入，培育了一批高新技术企业，提高了科技成果的转化和应用水平；同时，注重人才培养和引进，为西部地区的发展提供了有力的智力支持。然而，研究也发现，尽管西部大开发政策取得了显著成效，但西部地区在发展过程中仍存在一些问题和挑战。在经济发展方面，与东部地区相比，西部地区的经济总量和人均收入水平仍然较低，产业结构不够优化，经济发展的质量和效益有待进一步提高。部分地区过度依赖传统产业，新兴产业发展相对滞后，产业竞争力较弱。在社会发展方面，城乡差距、区域差距仍然存在，一些农村地区和偏远地区的基础设施和公共服务水平相对落后，教育、医疗等资源分配不均衡，影响了社会的公平与和谐。在生态环境方面，西部地区生态环境较为脆弱，在经济发展过程中，面临着资源开发与环境保护的矛盾，生态保护压力较大。部分地区在开发过程中，对生态环境的保护重视不够，导致生态破坏和环境污染问题时有发生。6.2政策建议基于以上研究结论，为进一步完善西部大开发政策，促进西部地区的可持续发展，提出以下政策建议：经济发展方面：持续加大对西部地区的投资力度，优化投资结构，提高投资效率。重点支持基础设施建设、产业升级和创新发展领域的投资，加强交通、能源、水利等基础设施建设，为经济发展提供坚实的支撑。同时，积极引导社会资本参与西部地区的发展，拓宽融资渠道，激发市场活力。根据西部地区的资源禀赋和产业基础，培育和发展特色优势产业，提高产业的竞争力和附加值。例如，在能源资源丰富的地区，发展能源深加工产业，延长产业链；在旅游资源丰富的地区，加强旅游基础设施建设，提升旅游服务质量，打造具有特色的旅游品牌，促进旅游业的发展。推动产业结构优化升级，加大对新兴产业的扶持力度，培育新的经济增长点。鼓励发展战略性新兴产业，如新能源、新材料、生物医药、信息技术等，提高新兴产业在经济总量中的比重。同时，运用高新技术和先进适用技术改造传统产业，提高传统产业的生产效率和产品质量。科技创新方面：加大对西部地区科技创新的支持力度，提高科技创新能力。增加科研经费投入，建设一批高水平的科研机构和创新平台，吸引和培养高层次创新人才。例如，支持西部地区建设国家级实验室、工程技术研究中心等创新载体，加强与高校、科研机构的合作，促进科技成果的转化和应用。加