Research & Evidence

Buscar un método

Busca entre títulos, preguntas, territorios e identificadores MSC.

    ← Todos los métodos
    FICHA DE MÉTODOMSC-P-015Experimentación y causalidadDosier científico verificado

    ¿Cómo estimar un efecto con diferencias en diferencias?

    Diferencias en diferencias compara la evolución del grupo tratado con la del no tratado. La identificación depende de tendencias paralelas creíbles sin tratamiento.

    Redacción científica: Marketing Science Center

    Respuesta directa

    Estimar un ATT para grupos y periodos cubiertos por el diseño.

    Diferencias en diferencias compara la evolución del grupo tratado con la del no tratado. La identificación depende de tendencias paralelas creíbles sin tratamiento.

    Hernán & Robins, Causal Inference: What IfArnold et al., 2020

    01

    Resumen operativo

    Pregunta científica y alcance

    ¿Cómo estimar un efecto con diferencias en diferencias?

    Admisible

    Estimar un ATT para grupos y periodos cubiertos por el diseño.

    Prohibido

    Demostrar tendencias paralelas futuras solo con datos previos.

    02

    Tres niveles de lectura

    1. 01

      Responsable — Conectar el resultado con una decisión, un umbral útil y un coste de error declarados.

    2. 02

      Profesional — Fijar población, unidad, horizonte, variables disponibles y regla de análisis antes del cálculo.

    3. 03

      Analista — Reproducir el cálculo, cuantificar la incertidumbre y documentar diagnósticos, fallos y sensibilidad.

    03

    Situación de marketing concreta

    Diferencias en diferencias compara la evolución del grupo tratado con la del no tratado. La identificación depende de tendencias paralelas creíbles sin tratamiento.

    04

    Pregunta científica y alcance

    ¿Cómo estimar un efecto con diferencias en diferencias?

    ATT en un diseño de dos grupos y dos periodos

    Datos necesarios

    Unidad × grupo × periodo

    La población, la unidad de análisis, la fecha de origen y el horizonte deben declararse en el entregable. Sin ellos, el estimando cambia sin advertencia.

    05

    Por qué puede fallar un análisis simple

    • Demostrar tendencias paralelas futuras solo con datos previos.
    • ¿Son creíbles las tendencias previas al tratamiento para el grupo de comparación elegido?
    • ¿Podrían las unidades anticipar el tratamiento o cambiar su composición antes de la adopción?
    • Con adopción escalonada, ¿se usa el ATT grupo-tiempo en lugar de una agregación inválida de efectos fijos bidireccionales?

    06

    Intuición del método

    El método no convierte automáticamente una asociación en evidencia. Vincula una pregunta declarada con un estimando, una especificación, datos compatibles y una regla de interpretación limitada.

    ATT en un diseño de dos grupos y dos periodos

    07

    Datos necesarios

    Diccionario de símbolos científicos

    Y_T_post
    Resultado medio de las unidades del grupo tratado después de la intervención. Unidad: resultado · Tipo: número · Función: entrada
    Y_T_pre
    Resultado medio del mismo grupo tratado en el periodo previo declarado. Unidad: resultado · Tipo: número · Función: entrada
    Y_C_post
    Resultado medio del grupo de comparación declarado en el periodo posterior. Unidad: resultado · Tipo: número · Función: entrada
    Y_C_pre
    Resultado medio del mismo grupo de comparación en el periodo previo. Unidad: resultado · Tipo: número · Función: entrada
    z
    Valor crítico normal bilateral para el nivel de confianza declarado. Unidad: adimensional · Tipo: número positivo · Función: parámetro
    cluster_SE
    Error estándar robusto al agrupamiento suministrado externamente para el contraste DiD de esta ilustración sellada. Unidad: resultado · Tipo: número positivo · Función: entrada
    ATT_DiD
    Contraste de diferencias en diferencias de dos periodos, interpretable causalmente solo bajo los supuestos de identificación declarados. Unidad: resultado · Tipo: número · Función: salida
    CI
    Intervalo normal basado en el error estándar robusto al agrupamiento suministrado. Unidad: resultado · Tipo: par ordenado · Función: salida

    Entradas exactas y selladas del motor

    treated_pre
    Valor: 100 · Unidad: índice · Tipo: número · Estado de los datos: sintético
    treated_post
    Valor: 120 · Unidad: índice · Tipo: número · Estado de los datos: sintético
    control_pre
    Valor: 90 · Unidad: índice · Tipo: número · Estado de los datos: sintético
    control_post
    Valor: 98 · Unidad: índice · Tipo: número · Estado de los datos: sintético
    standard_error
    Valor: 4 · Unidad: índice · Tipo: número · Estado de los datos: sintético
    z_critical
    Valor: 1.95996398454 · Unidad: adimensional · Tipo: número · Estado de los datos: parámetro declarado

    08

    Modelo formal

    Modelo formal

    att_did = (treated_post − treated_pre) − (control_post − control_pre); CI = att_did ± z_critical × standard_error

    Afirmaciones respaldadas: MSC-P015-C01 · MSC-P015-C02 · MSC-P015-C03 · MSC-P015-C04 · MSC-P015-C05 · MSC-P015-C06

    Pregunta científica y alcance

    ATT en un diseño de dos grupos y dos periodos

    09

    Cálculo declarado

    1. 01

      Fijar grupos tratado y de comparación, calendario, definición del resultado y especificación de incertidumbre robusta al agrupamiento suministrada.

    2. 02

      Calcular el cambio de cada grupo, restar el cambio de comparación al tratado y formar el intervalo declarado.

    3. 03

      Interpretar como ATT solo si son defendibles las tendencias paralelas, la ausencia de anticipación, el solapamiento y un calendario de comparación válido.

    10

    Ejemplo numérico o caso de aplicación

    Ejemplo calculado — datos sintéticos o parámetros declarados; ninguna observación real

    Entradas selladas

    • treated_pre=100 [índice]
    • treated_post=120 [índice]
    • control_pre=90 [índice]
    • control_post=98 [índice]
    • standard_error=4 [índice]
    • z_critical=1.95996398454 [adimensional]

    Resultados reproducibles

    • ATT_DiD=12
    • CI95=[4.160144; 19.839856]

    Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

    11

    Supuestos de validez

    • ¿Son creíbles las tendencias previas al tratamiento para el grupo de comparación elegido?
    • ¿Podrían las unidades anticipar el tratamiento o cambiar su composición antes de la adopción?
    • Con adopción escalonada, ¿se usa el ATT grupo-tiempo en lugar de una agregación inválida de efectos fijos bidireccionales?

    12

    Diagnósticos e incertidumbre

    Diagnósticos e incertidumbre

    ¿Son creíbles las tendencias previas al tratamiento para el grupo de comparación elegido? · ¿Podrían las unidades anticipar el tratamiento o cambiar su composición antes de la adopción? · Con adopción escalonada, ¿se usa el ATT grupo-tiempo en lugar de una agregación inválida de efectos fijos bidireccionales?

    Diagnóstico acotado

    ATT 2×2 descriptivo con intervalo condicionado al error estándar robusto al agrupamiento suministrado; no se verifican tendencias paralelas.

    Contrato explícito de incertidumbre · quantified_conditional

    Método: Cálculo determinista del motor de referencia sobre el segmento de entradas sellado.

    Objetivo: Incertidumbre de la ilustración del ATT mediante diferencias en diferencias.

    Evidencia del motor: metric.ci_lower= · metric.ci_upper=

    Interpretación: El intervalo está condicionado al error estándar robusto al agrupamiento suministrado y no establece tendencias paralelas.

    Detenerse si

    Demostrar tendencias paralelas futuras solo con datos previos.

    13

    Interpretación del resultado

    • Estimar un ATT para grupos y periodos cubiertos por el diseño.
    • El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.

    14

    Conclusión admisible y prohibida

    Admisible

    Estimar un ATT para grupos y periodos cubiertos por el diseño.

    Prohibido

    Demostrar tendencias paralelas futuras solo con datos previos.

    15

    Decisión de marketing posible

    1. 01

      Estimar un ATT para grupos y periodos cubiertos por el diseño.

    2. 02

      El resultado está condicionado por la población, el horizonte, la especificación y los controles declarados. No debe extenderse a otra decisión sin nueva justificación.

    16

    Cuándo usar — cuándo detenerse

    Usar si

    Estimar un ATT para grupos y periodos cubiertos por el diseño.

    Unidad × grupo × periodo

    Detenerse si

    Demostrar tendencias paralelas futuras solo con datos previos.

    Alternativas metodológicas

    • Estimar el ATT grupo-tiempo con controles aún no tratados o nunca tratados para la adopción escalonada.
    • Usar un estudio de eventos para mostrar efectos dinámicos y diagnósticos de tendencias previas.
    • Preferir una implantación aleatorizada cuando pueda asignarse el momento de la intervención.

    17

    Contrato de reproducibilidad

    Python y R son las referencias ejecutables. SPSS y SAS siguen siendo sintaxis secundarias hasta verificarse con los mismos datos, especificación y diagnósticos.

    El motor selecciona únicamente el segmento y la rama explícita de esta página. Su hash, salidas y diagnósticos quedan sellados en el expediente atómico; no se permite ninguna rama genérica de respaldo.

    Huella del segmento: 928e93319b64e017684dad7e878d79a85a38b2296a0925cc3597773489b3fc56

    Recurso disponible · MSC-005

    Incrementalidad promocional

    Recurso disponible · MSC-T02

    Calculadora DiD

    Modelo formal

    att_did = (treated_post − treated_pre) − (control_post − control_pre); CI = att_did ± z_critical × standard_error

    Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

    18

    Entregable final esperado

    1. 01

      ¿Cómo estimar un efecto con diferencias en diferencias? — Unidad × grupo × periodo

    2. 02

      Y_T_post · Y_T_pre · Y_C_post · Y_C_pre · z · cluster_SE · ATT_DiD · CI

    3. 03

      att_did = (treated_post − treated_pre) − (control_post − control_pre); CI = att_did ± z_critical × standard_error

    4. 04

      ¿Son creíbles las tendencias previas al tratamiento para el grupo de comparación elegido? · ¿Podrían las unidades anticipar el tratamiento o cambiar su composición antes de la adopción? · Con adopción escalonada, ¿se usa el ATT grupo-tiempo en lugar de una agregación inválida de efectos fijos bidireccionales?

    5. 05

      Estimar un ATT para grupos y periodos cubiertos por el diseño. / Demostrar tendencias paralelas futuras solo con datos previos.

    19

    Fuentes científicas y estado de la evidencia

    Dosier verificado: afirmaciones vinculadas a fuentes a nivel de pasaje, cálculo Python/R reproducido, límites explícitos y revisión científica independiente completada.

    1. MSC-P015-C01 — El objetivo causal contrasta resultados potenciales medios bajo dos intervenciones definidas.
    2. MSC-P015-C02 — La consistencia vincula el resultado observado con el resultado potencial bajo la política asignada.
    3. MSC-P015-C03 — Ajustar una regresión no establece por sí mismo un diseño causal.
    4. MSC-P015-C04 — La identificación exige supuestos explícitos de tendencias paralelas y ausencia de anticipación.
    5. MSC-P015-C05 — El marco distingue diseños de adopción común y escalonada.
    6. MSC-P015-C06 — El ajuste por covariables depende del diseño de identificación.
    1. Hernán & Robins, Causal Inference: What If
    2. Arnold et al., 2020
    3. Callaway & Sant’Anna, 2021

    Datos · Herramienta

    Datos · MSC-005Incrementalidad promocional→Herramienta · MSC-T02Calculadora DiD→

    Conexiones metodológicas

    Territorio principalMedición y causalidad: ¿cómo establecer un efecto de marketing?RequiereCorrelación o causalidad: ¿qué permite afirmar realmente un análisis?Comparar con¿Cómo diseñar un experimento geográfico de marketing?

    Leer después

    MSC-H-001Medición y causalidad: ¿cómo establecer un efecto de marketing?→MSC-P-002Correlación o causalidad: ¿qué permite afirmar realmente un análisis?→MSC-P-014¿Cómo diseñar un experimento geográfico de marketing?→MSC-P-017¿Cómo detectar selección, contaminación y pérdida en un experimento?→