来源：经济学思维空间
因果分析与政策效应评估是经济分析最为关注的核心问题，其主要难点在于经济事件与经济政策的内生性问题，以及虚拟事实的不可观测性。社会经济系统作为一个有机的整体，各类因素各种事件往往存在复杂的相互联系。由于巨大的社会成本与经济成本，社会经济政策无法使用类似于自然科学中常用的模拟实验的方法。为了解决内生性问题，经济分析通常借助于所谓的“准实验”(quasi experiment)机会，使用工具变量方法，以及在工具变量方法上发展起来的一系列估计政策处理效应（treatment effect）的方法。
工具变量必须同时满足相关性与外生性的要求。所谓相关性，是指工具变量必须与内生的结构变量高度相关，否则便称之为弱工具变量(weak instruments) 。
所谓外生性，是指工具变量仅通过内生的结构变量影响回归模型中的被解释变量，而不存在其他独立的影响渠道。
九十年代中期以来，计量经济学家发现当存在弱工具变量的情况下，无论是小样本还是大样本，常见的工具变量估计方法，包括两阶段最小二乘估计与有限信息最大似然估计都无法得到一致性的估计量。这一时期大量的研究主要集中在工具变量质量的检验，以及存在弱工具变量情况下不同的统计检验方法。最近十年中，计量经济学家更加关注工具变量的外生性问题，讨论在工具变量严格外生性条件无法满足的情况下对统计检验的影响。目前较有影响的做法是采用再抽样( resampling,Berkowitz etal．,2012) 或贝叶斯的方法校正近似外生性的影响( Conley et al．,2012; Kraay,2012)。
随着大数据时代的来临，计量经济学家也开始关注在存在大量工具变量的情况下工具变量的选择问题。目前主要的做法分为两类，一类是在工具变量中加入稀疏性( sparcity)假设，采用LASSO 等变量选择的方法在第一阶段选择有效的工具变量； 另一类是不采取稀疏性假设，通过主成分分析或岭回归等降维的正则化( regularization) 方法处理估计中的问题( Hansen et al．,2008; Okui,2011; Carrasco,2012；Hansen ＆Kozbur,2014等)。
当工具变量仅是简单的二元变量时，工具变量法就和政策处理效应的一系列估计方法建立了联系，这部分是近几年来发展最为迅速的研究领域之一。
倍差法( difference in difference，Card＆Krueger，1994; Bertrand et al．，2004; Athey ＆ Imbens，2006 等) 是最为常见的处理效应估计方法。当某一经济政策实施以后，尽管我们可以同时观察到处理组中政策前后的变化，但这个变化同时包含了具体政策的处理效应和不可观测的时间趋势的变化。如果假设时间趋势在处理组和对照组的变化是相同的，那么我们可以采取两次差分的方式，将共同的时间趋势剔除出去，从而得到平均处理效应的估计值。倍差法的主要优势在于计算简便，可以接受某种形式的选择性误差( selection on unobservables) ，但主要问题在于处理组和对照组之间必须保持相同时间趋势的假设有时不符合现实，且较难检验。也有研究者发展一些半参数的倍差法试图放松相同时间趋势的假设( Abadie，2005)。
匹配( matching，Ｒubin，1973) 是另一种较为常见的处理效应的估计方法。和倍差法不同，使用匹配法的一个重要假设是条件独立性( conditional independence 或unconfoundedness condition) ，是指在控制各种变量以后，处理效应的结果不再受到是否接受处理( treatment) 的影响。在条件变量较多的情况下，事实上无法做到严格匹配，倾向匹配得分( propensity score) 是用来处理降低匹配维度的主要方法，一些非参数方法也被广泛用来完成处理组和对照组之间的匹配(Heckman et al，1997，1998; Hahn，1998; Hahn et al，2000; Imbens，2000; Lechner，2002; Abadie ＆ Imbens，2006 等) 。
当是否接受处理效应的概率成为一个非连续函数时，断点回归( regression discontinuity design，ＲDD; Trochim，1984; Lee ＆Card，2008等) 成为近年来非常热门的估计“准实验”政策处理效应的方法。当选择变量(selection variable)与是否接受处理效应的关系是确定时，经济学家通常使用精确断点回归( sharp ＲDD)。当选择变量与是否接受处理效应存在随机关系时，也就是是否接受处理效应的同时受到一些不可观测的选择变量影响时，经济学家使用所谓的模糊断点回归(fuzzy RDD)，这是一个类似于两步法处理工具变量的估计方法。除平均处理效应(average treatment effect on treated，ATET) 之外，也有越来越多的文献在讨论局部平均处理效应(local average treatment effect，LATE，Imbens ＆ Angrist，1994 等) 、边际处理效应(marginal treatment effect，MTE)和分位数处理效应(quantile treatment effect) 等。这些政策评估方法被广泛地用于各种社会经济政策的评估，如最低工资效应、反歧视法、失业救济等。
