近日，基地研究员张子尧及其合作者（黄炜，北京大学中国经济研究中心、北京大学国家发展研究院长聘副教授）的研究成果“实证研究中的控制变量选择：原理与原则”在顶级期刊《管理世界》2025年第10期正式发表。
主要观点
控制变量的选择是决定因果推断类实证研究有效性的关键环节。本文系统阐释控制变量在观测性实证研究中的作用原理、选择标准、使用原则与实践建议。利用潜在结果框架和线性回归模型估计量分解，明确控制变量在因果识别和统计推断两个核心环节的重要作用。在因果识别环节，“好”控制变量通过合理分层让观测性数据在局部尽可能近似于随机化实验，而“坏”控制变量会引入选择性偏误。在统计推断环节，“好”控制变量有助于减少数据噪音干扰，提高估计精度，而“坏”控制变量则会放大估计误差、降低统计功效。控制变量的“好”与“坏”取决于其在因果结构中的位置，而研究者对因果结构的理解来源于社会科学理论和现实制度背景，故控制变量的选择应由理论驱动而非数据驱动。在此基础上归纳实证研究中若干类常见控制变量的分类判别方法，总结提炼控制变量使用的5个基本原则：基于因果结构选择控制变量、高度重视坏控制变量问题、关注控制变量的重叠性、在复杂情况下权衡控制变量“利”“弊”，以及避免过度解读控制变量系数，并基于上述原则提出具体的实践建议。本文为社会科学实证研究者优化研究设计提供了富有操作性的方法论框架，对提升实证研究的可信性、透明性和可复制性具有指导意义和参考价值。
作者简介
张子尧，中南财经政法大学财政税务学院副教授、文澜青年学者、收入分配与现代财政学科创新引智基地研究员，入选湖北省高层次人才计划。中国人民大学经济学博士。研究领域为公共经济学和产业经济学，主要关注企业异质性的结构估计方法、资源配置效率、要素收入分配、公共政策与企业行为等问题。研究成果发表于《经济研究》《管理世界》《经济学（季刊）》《世界经济》等重要学术期刊。主持国家自然科学基金青年科学基金项目、中国博士后科学基金面上项目，参与多项国家社会科学基金重大项目、国家自然科学基金面上项目。曾荣获湖北省社会科学优秀成果奖、黄达—蒙代尔经济学奖、当代经济学博士创新项目、谭崇台发展经济学奖学金等多项荣誉。