如何通过计量识别X对Y的影响中，政策Z的调节作用？（面板数据的政策评估效果的方法选择） 目前面

如何通过计量识别X对Y的影响中，政策Z的调节作用？（面板数据的政策评估效果的方法选择） 目前面板数据的时间范围是2013-2018年，想评估2017-2018年实行的某个政策（所有样本都需要执行该政策）是否减弱了X对Y的冲击。 是否可以基于政策推行的年份设置01虚拟变量，将2013-2016未推行政策的年份设置为0，2017-2018推行政策的年份设置为1，将虚拟变量与核心解释变量X的交互项引入模型进行回归，如果交互项的系数显著且符号与X相反，则说明该政策的推行会减弱X对Y的影响。 有一些不太确定这个方法是否可行，因为以年份为标准设置虚拟变量可能包括了其他的影响因素，不仅仅是政策推行与否的差别。 所以考虑这个因素，是否可以补充说明在模型控制了其他变量的情况下，2017-2018年与2013-2016年主要的差异体现在政策上，从而说明该方法能比较好的衡量限额政策的影响呢？ 进一步保险起见，是不是把加入年份虚拟变量的交互项当成年份异质性来分析，然后在解释结果的时候说一下不同年份的差别主要在限额政策上，这样的逻辑会不会更好一些？而不是说通过这种交互项的方法识别政策的效果？