制定、实施政策是政府发挥职能的重要手段，当前中国经济正处于高速发展阶段，社会改革也在逐步深化，政策、规则的改变频频发生，为降低政策成本，促进政府决策的科学性，提高政府的宏观调控能力，亟需对政策实施的效果进行量化评估。通过构建“反事实”进行政策效应评估是当前政策评价研究中的热点，但这一思想在宏观经济领域并未取得太多进展，制约了宏观政策效应评估理论与实践的发展。　　由于微观数据与宏观数据的数据特征不同，当前微观经济学中广泛使用的“反事实”构建方法，如双重差分方法(DID)、匹配方法（Matching）等都不能应用于宏观政策效应评估。而目前宏观政策效应评估中的主流方法，如向量自回归模型(VAR)、动态随机一般均衡模型(DSGE)等都需要设定多个结构模型，搜集大量的数据，运用复杂的求解技术求解，工作量巨大且在因果推断上也存在着不足。因此，在政策效应评估的实践中，亟需以“反事实”思想为指导，探索适用于宏观政策效应评估的新方法。在此背景下，本文引入Hsiao(2010)提出的利用面板数据截面之间的相关性构建“反事实”，进而进行政策效应评估的新方法，并围绕该方法进行一系列的理论和实证分析。　　在介绍Hsiao方法的理论模型的基础上，本文就模型中的关键假设——条件独立假设进行重点分析，并使用蒙特卡罗模拟技术，就理论模型对关键假设的敏感性进行数值模拟。其次，设计两个案例分析，分别以西部大开发和中国应对金融危机的“四万亿”刺激计划为例，对这一方法的应用步骤和应注意的问题进行详尽的阐述。两个案例的侧重点有所不同，西部大开发案例满足该模型的关键假定，“四万亿”刺激计划或多或少会违背该假定，但可以通过各种技术选择合适的控制组。本文在前一案例中重点阐述了关键假设的检验，在后一案例中设计了对比模型，用实际数据分析关键假设的违背对政策效应测算的影响情况。经过理论分析和实证分析，本文得出如下结论:　　理论分析的结果表明，Hsiao方法的结果对关键假设非常敏感，即使是关键假设的轻度违背，也会对模型结果产生显著影响。因此，判断案例是否适用该方法，是使用模型前必须要考虑的问题。同时，因为实际数据的产生机制未知，这一关键假设无法通过统计方法进行检验，只能经过充分翔实的论证进行判断。在实际中，若关键假设不能满足，则应采用DID等其他方法进行政策效应评估。与结构方程模型相比，该方法省去了具体的结构模型设立过程，能规避政策效应评估中难以解决的内生性问题，且能够反映外部冲击的影响，具有模型简捷、数据需求量小、运算简单等优势，对宏观政策效应评估的实践具有重要意义。　　实证分析的结果表明，西部大开发对于缩小中东部与西部地区的相对差距至关重要，西部大开发的实施使得重庆人均GDP增长率增加了约2.24个百分点，各年的政策效应基本保持稳定，这一结果与刘生龙(2009)的研究结论近似，证明Hsiao方法具有较强的效力。但与其余学者的研究结论不同，本文对“四万亿”刺激计划的政策效应分析结果显示，2009年-2011年“四万亿”计划对各年经济增长的贡献分别为0.928、-0.575、0.021个百分点，整个研究区间内对GDP增长率的整体效应为0.138个百分点，几近于零。因此，“四万亿”刺激计划短期内效果显著，但对长期经济增长没有明显的促进作用。这表明，政府在实施大规模的扩张性财政政策时，应充分考虑政策的挤出效应，并关注由此引发的通胀等因素的副作用。