用途：该技能面向合成控制法（Synthetic Control Method, SCM）的完整分析流程，适用于处理单元很少的政策评估场景，如单个或少数州、国家层面的干预评估。相比DID，SCM通过数据驱动方式构造反事实，而非假设所有控制单元满足平行趋势。
主要能力：覆盖供体池构建、预测变量选择、权重优化、处理效应（gap）估计、基于安慰剂的推断，以及增广SCM（augsynth，含Ridge、gsyn等）和合成DID（synthdid）等扩展。提供R（Synth、augsynth、synthdid）、Python（SparseSC、synthdid）、Stata（synth、synth_runner）的代码模板，并包含预测变量平衡检查、处理前拟合诊断（RMSPE）、空间与时间安慰剂检验、MSPE比值排序、留一供体稳健性检验及报告规范。
使用方式：先定义处理单元、供体池与处理时点，选择处理前协变量和结果滞后项，最小化处理前MSPE以优化权重，再计算处理后gap，并通过安慰剂检验进行推断。示例命令如R中library(Synth)后调用dataprep()与synth()，Stata中ssc install synth与synth_runner，Python中import SparseSC。
适用场景：单一处理单元、多处理单元（多单元SCM或合成DID）、聚合层面处理，以及希望结合SCM加权与DID式推断的情形。
限制：需满足SUTVA、无预期效应、处理单元可由供体池良好近似、数据生成过程跨期稳定等假设；处理前拟合差时结果不可靠；过多结果滞后项易过拟合；存在插值偏差风险；推断依赖安慰剂检验而非传统标准误。多单元SCM扩展、交错采纳SCM与敏感性分析见其参考文档。