控制组

控制组 (Control Group)

控制组 (Control Group) 是实验设计与因果推断中最基础的概念之一，指在一个实验或准实验中未接受处理（treatment）或干预的那一组受试者。控制组的唯一功能是提供一个反事实基准（counterfactual baseline）：在保持其他条件不变的前提下，度量若没有干预发生，结果变量会如何演化。将处理组的平均结果减去控制组的平均结果，所得差值即为处理的平均处理效应（Average Treatment Effect, ATE）。可以说，没有控制组就没有因果推断——这正是 Fisher 在罗瑟姆斯特德农业实验站奠定随机化原则时的核心洞见。

控制组在随机化实验中的角色

在经典的随机对照试验（Randomized Controlled Trial, RCT）中，受试者通过某种随机机制被分配到处理组或控制组。随机化的关键意义在于，它在大样本下消除了两组在可观测和不可观测特征上的系统性差异，使得处理前两组在期望意义上完全可比。设 $Y_i(1)$ 和 $Y_i(0)$ 分别表示个体 $i$ 在接受与未接受处理时的潜在结果，$D_i \in \{0,1\}$ 为处理指示变量。随机化保证：

即潜在结果独立于处理分配。此时，观测到的组间均值差一致地估计 ATE：

控制组可以接受安慰剂（placebo）或不接受任何处理。当受试者知晓自身所属组别可能产生心理效应时，常采用双盲设计：受试者和实验实施者均不知分组情况，以排除主观预期对结果的污染。这类设计在发展经济学的田野实验（如 Duflo 和 Banerjee 关于教育干预的系列 RCT）和劳动经济学的负所得税实验中被广泛采用。

控制组在准实验设计中的拓展

在经济学中，严格的随机化实验常因伦理、成本或操作约束而不可行，研究者转而依赖准实验方法。此时控制组的定义需要更细致的论证。

双重差分法（Difference-in-Differences, DiD）中，控制组是未受政策影响的地区或群体。其核心识别假设不是随机分配，而是平行趋势假设：在处理发生前，处理组与控制组的结果变量遵循相同的时间趋势。设 $t=0$ 和 $t=1$ 分别为处理前后两期，DiD 估计量为：

该估计量剔除了两组共有的时间趋势，仅保留处理组在处理后独有的变化。Card 和 Krueger（1994）关于最低工资对就业影响的研究中，将新泽西州（提高最低工资）作为处理组，宾夕法尼亚州东部（未提高）作为控制组，是 DiD 方法论的经典应用。

断点回归设计（Regression Discontinuity Design, RDD）中，控制组是落在断点"错误"一侧的个体。例如，评估奖学金对学生学业表现的影响时，恰好低于分数线的学生构成控制组，恰好高于分数线的学生构成处理组。RDD 的识别策略依赖于一个局部连续性条件：在断点附近，个体特征（除处理状态外）平滑变化，控制组的结果变量在断点处的极限值即为反事实。

匹配方法（如倾向得分匹配）试图从观测数据中为每个处理组个体构造一个"统计孪生"作为控制。Rosenbaum 和 Rubin（1983）证明，若满足条件独立假设（Conditional Independence Assumption, CIA），即给定可观测协变量 $X_i$ 后潜在结果独立于处理分配，则可以用倾向得分 $p(X_i) = \Pr(D_i = 1 \mid X_i)$ 为基础构造加权控制组来一致估计 ATT（处理组的平均处理效应）。

控制组构造中的关键假设与威胁

控制组的有效性高度依赖于若干核心假设，违反这些假设将导致估计偏误。

稳定单元处理值假设（Stable Unit Treatment Value Assumption, SUTVA）要求一个个体的潜在结果不受其他个体处理状态的影响。当存在溢出效应（spillover）或一般均衡效应时，控制组被"污染"，不再提供有效的反事实。例如，在评估教育补贴的实验中，若控制组所在地的学校因处理组学生转学而获得更多资源，控制组也间接受益。

选择性偏误是非实验数据中最基本的威胁。若处理组与控制组在未观测特征上存在系统性差异（如参与培训项目的人本身就业意愿更强），则直接比较两组均值将混淆处理效应与选择效应。Heckman 选择模型和工具变量法是应对此类问题的经典手段。

控制组的道德与操作困境也值得关注。在医学和新药实验中，对控制组拒绝潜在有效的治疗引发伦理争议，促成了适应性设计和等待列表控制组（waitlist control）等方法，确保控制组最终也能获得处理。在发展经济学中，随机选择部分村庄接受扶贫干预而其他村庄仅作为对照，同样面临公平性质疑，但研究者通常承诺实验结束后将有效干预推广至控制组。

多重控制组与稳健性检验

现代实证研究中，研究者常采用多重控制组策略增强结论可信度。例如，考察某个州政策变革的效果时，不仅以邻近州为控制组，还以全国其他未改革的州作为替代控制组，检验结论是否随控制组选择而剧烈变化。若不同控制组给出的估计值方向一致、幅度相近，则可有力回应关于控制组"特殊性"的质疑。

另一种常见做法是安慰剂检验（placebo test）：将处理时间前移到一个已知未发生任何干预的时期，或人为将控制组中的一部分标记为"伪处理组"，观察是否出现显著的"效应"。若出现，则说明原始结果可能由控制组选择不当或未观测趋势驱动，而非真正的处理效应。在合成控制法（Synthetic Control Method）中，控制组被进一步一般化为多个未处理单元的加权组合，以最小化处理前结果轨迹的差异，从而构造比任何单一控制组更具说服力的反事实。

综上所述，控制组绝非实验设计中从属于处理组的"配角"，而是因果推断逻辑链条中不可或缺的一环。从业者必须清醒意识到，估计的质量并不取决于方法的精巧程度，而取决于控制组究竟在多大程度上回答了那个反事实问题：若没有干预，会发生什么？