7月18日，欧盟发布报告“衡量成功：评估大规模研发与创新计划影响的常见挑战”^[1]。欧盟长期以来通过系列框架计划支持研发与创新活动，其中“地平线欧洲2021~2027”的预算达955亿欧元（约合7981亿元人民币），此外还包括EU4Health、数字欧洲计划等。评估这些资助计划的影响至关重要，不仅可量化其实际效果，还能为未来政策优化提供依据。但由于资助工具多样、受益主体广泛、目标多元，评估工作面临显著方法学挑战，报告在系统分析挑战的基础上提出应对策略。

报告提出，评估影响的核心问题是：获得欧盟资助是否对实现关键政策目标产生了影响？影响体现为多种方式，包括促进人类基础知识；推动生产力增长从而转化为经济增长；促进科学进步以应对气候变化等社会和环境挑战；促进教育或技术的公平获取，提升社会流动性。欧盟从投入、产出、结果和影响三个方面来分析目标实现情况，而实现准确评估需采用反事实分析，即比较接受资助与未接受资助情境下的结果差异，其中五大方法学挑战及应对策略总结如下：

1、识别整体效应与溢出效应

政策制定者关注的是政策对系统（如国家、区域、学科）的总体影响，而非仅对个别受益者。但由于存在知识溢出（spillovers）、挤入（crowding-in）、挤出（crowding-out）和同伴效应（peer effects），个体效应与整体效应往往不一致。如公共研发资助可能激发私人投资，产生挤入效应，导致整体效益高于个体效益；学术职位或出版物数量固定，受益者的获益可能以非受益者的损失为代价，产生挤出效应；由于同伴效应，研究者间的互动会影响结果，但难以区分是资助直接效果还是社会互动所致。为此，需在区域、国家、学科等更高层面分析数据，捕捉溢出效应；若宏观数据不可得，可通过调查、经济模型等辅助信息，从个体效应推断整体效应。

2、估计长期结果与影响

研发资助的效果（如应对气候变化、提升竞争力）需长期才能显现，但政策评估往往需在较短时间内完成。为此，可使用替代变量，即那些易于观察且能预测长期结果的中间变量，但替代变量需满足两个条件，一是替代变量必须完全捕捉长期影响；二是条件独立性，即一旦知道资助如何影响替代结果，就不需要额外信息来预测最终结果。

3、中介分析与多受益者资助

除了了解“是否有效”，还需理解“如何生效”，中介分析（Mediation Analysis）是理解资助如何以及为何导致结果的方法，可分解直接效应（如资金支持）与间接效应（如声誉提升、合作加强）。这里的挑战在于，欧盟计划涵盖多个国家、多种类型的受益者（研究者、企业、政府机构），其社会经济背景、资源使用方式各异，导致中介路径复杂多样。为此，需谨慎解释中介分析结果，避免将某一工具或群体的结论简单推广至整个计划。

4、资助计划本身的异质性

“地平线欧洲”包含多类型资助计划、多种工具（如欧洲研究理事会支持前沿科学，欧洲创新理事会支持市场驱动创新），各具不同目标、资助机制、受益群体和预算规模。因此，不同工具需使用不同计量方法，结果难以直接比较；同一受益者可能参与多个资助机制，导致处理组与控制组定义模糊。为此，需根据具体工具选择合适估计方法，并明确其假设与局限性；在跨计划或跨工具比较时，需谨慎解释结果，考虑背景差异。

5、传统经济计量方法的陷阱

双重差分法（DiD）是常用方法，通过比较受干预组和对照组在时间上的结果变化，来估计政策干预的因果效果。双向固定效应模型是双重差分法的核心估计方法，基于平行趋势假定，即未受政策干预时，处理组与控制组的时间趋势应一致。但在某些情境下可能产生偏差，如若研究者在不同年份接受资助，双向固定效益模型（TWFE）可能错误地将后期接受者视为对照组，导致低估真实效应。为此，需优化分析方法，如使用新近发展的分阶段差分法。 

（王建芳）