FRENITESDE

Research & Evidence

Rechercher une méthode

Recherchez parmi les titres, les questions, les territoires et les identifiants MSC.

40 résultats
  1. MSC-P-001Comment transformer une affirmation marketing en question testable ?Science de la décision↗
  2. MSC-P-002Corrélation ou causalité : que permet réellement d’affirmer une analyse ?Mesure marketing↗
  3. MSC-P-003Comment exprimer l’incertitude d’un résultat marketing ?Science de la décision↗
  4. MSC-P-004Significativité ou taille d’effet : quel résultat faut-il interpréter ?Science de la décision↗
  5. MSC-P-005Comment mesurer un construit marketing qui n’est pas directement observable ?Études de marché↗
  6. MSC-P-006Comment concevoir puis valider une échelle de mesure ?Études de marché↗
  7. MSC-P-007Alpha ou oméga : comment évaluer la fiabilité d’une échelle ?Études de marché↗
  8. MSC-P-009ACP, AFE ou AFC : quelle méthode choisir ?Études de marché↗
  9. MSC-P-010Quand faut-il mener une expérience marketing ?Mesure marketing↗
  10. MSC-P-011Comment concevoir un A/B test qui estime réellement un effet ?Mesure marketing↗
  11. MSC-P-012De combien d’observations une expérience a-t-elle besoin ?Science de la décision↗
  12. MSC-P-013Comment mesurer l’effet incrémental d’une campagne avec un groupe témoin ?Mesure marketing↗
  13. MSC-P-017Comment détecter sélection, contamination et attrition dans une expérience ?Mesure marketing↗
  14. MSC-P-018Régression prédictive ou causale : qu’essaye-t-on d’estimer ?Modèles marketing↗
  15. MSC-P-019Comment diagnostiquer une régression marketing avant de l’interpréter ?Modèles marketing↗
  16. MSC-P-022Comment estimer une élasticité-prix et son incertitude ?Science des prix↗
  17. MSC-P-026Logit vs Probit : comment choisir pour une probabilité d’achat ?Science client↗
  18. MSC-P-029Quels clients présentent la probabilité de churn la plus élevée ?Science client↗
  19. MSC-P-027TAM, UTAUT ou UTAUT2 : quel cadre pour étudier l’acceptation d’une technologie ?Études de marché↗
  20. MSC-H-001Mesure et causalité : comment établir un effet marketing ?Mesure marketing↗
  21. MSC-H-002Modèles de réponse marketing : forme, délai et saturationModèles marketing↗
  22. MSC-H-003Science des prix : relier prix, demande et contributionScience des prix↗
  23. MSC-H-004Science client et choix : comportement, valeur et hétérogénéitéScience client↗
  24. MSC-H-005Science de la mesure : construire des indicateurs validesÉtudes de marché↗
  25. MSC-H-006Méthodes statistiques de décision : choisir, quantifier, validerScience de la décision↗
  26. MSC-P-008Comment valider une échelle de mesure marketing ?Études de marché↗
  27. MSC-P-014Comment concevoir une expérience géographique marketing ?Mesure marketing↗
  28. MSC-P-015Comment estimer un effet avec une différence-de-différences ?Mesure marketing↗
  29. MSC-P-020Comment traiter l’endogénéité du prix ?Science des prix↗
  30. MSC-P-021Effets fixes ou aléatoires : quel modèle de panel choisir ?Modèles marketing↗
  31. MSC-P-023Comment estimer une fonction de demande ?Science des prix↗
  32. MSC-P-024Comment simuler un scénario prix-volume-marge ?Science des prix↗
  33. MSC-P-028Comment estimer la CLV avec BG/NBD et Gamma-Gamma ?Science client↗
  34. MSC-P-030Comment analyser la rétention avec un modèle de survie ?Science client↗
  35. MSC-P-031Comment construire une segmentation client utile ?Science client↗
  36. MSC-P-032Comment tester la stabilité d’une segmentation ?Science client↗
  37. MSC-P-033Comment valider une prévision marketing ?Science de la décision↗
  38. MSC-P-034Comment construire une simulation Monte Carlo pour une décision marketing ?Science de la décision↗
  39. MSC-P-035Comment modéliser saturation et adstock ?Modèles marketing↗
  40. MSC-P-039Quel test statistique choisir ?Science de la décision↗
← Toutes les méthodes
FICHE MÉTHODEMSC-P-015Expérimentation et causalité

Comment estimer un effet avec une différence-de-différences ?

La différence-de-différences compare l’évolution du groupe traité à celle d’un groupe non traité. L’identification repose sur des tendances parallèles crédibles en l’absence de traitement.

Réponse directe

Estimer un ATT pour les groupes et périodes couverts par le design.

La différence-de-différences compare l’évolution du groupe traité à celle d’un groupe non traité. L’identification repose sur des tendances parallèles crédibles en l’absence de traitement.

Modèle ou livrableDiD = (ȲT,post−ȲT,pre) − (ȲC,post−ȲC,pre)

Callaway & Sant’Anna, 2021Roth et al., 2023

ESTIMAND

Profil de l’estimation

Unité d’analyse
Unité assignée × groupe × périodeNomenclature scientifique contrôlée (EN)unit × group × period
Estimand exact
ATT in a two-group, two-period design
Modèle ou livrable
DiD = (ȲT,post−ȲT,pre) − (ȲC,post−ȲC,pre)

01—08

Cadre d’analyse vérifiable

  1. 01
    Question

    Comment estimer un effet avec une différence-de-différences ?

  2. 02
    Estimand

    ATT in a two-group, two-period design · unit × group × period

  3. 03
    Données

    unit_id · group · period · treatment_start · outcome

  4. 04
    Modèle ou livrable

    DiD = (ȲT,post−ȲT,pre) − (ȲC,post−ȲC,pre)

  5. 05
    Calcul déclaré

    DiD = (ȲT,post−ȲT,pre) − (ȲC,post−ȲC,pre) → ATT in a two-group, two-period design

  6. 06
    Contrôles d’incertitude

    Pre-trends · Anticipation · Use group-time ATT for staggered adoption · Clustered uncertainty

  7. 07
    Validation spécifique

    Vérifier données, stabilité de l’estimation et limites d’interprétation. Pre-trends · Anticipation · Use group-time ATT for staggered adoption · Clustered uncertainty

  8. 08
    Limites

    Valider les tendances parallèles futures avec le seul pré-test.

Variables nécessaires

  • unit_id
  • group
  • period
  • treatment_start
  • outcome

Contrôles · Nomenclature scientifique contrôlée (EN)

  • Pre-trends
  • Anticipation
  • Use group-time ATT for staggered adoption
  • Clustered uncertainty
Décision possible

Estimer un ATT pour les groupes et périodes couverts par le design.

Décision impossible

Valider les tendances parallèles futures avec le seul pré-test.

Sources scientifiques

2 sources

  1. Callaway & Sant’Anna, 2021
  2. Roth et al., 2023

Dataset · Outil

Dataset · MSC-005Incrémentalité promotionnelle→Outil · MSC-T02Calculateur DiD→

Connexions méthodologiques

Territoire parentMesure et causalité : comment établir un effet marketing ?PrérequisCorrélation ou causalité : que permet réellement d’affirmer une analyse ?Comparer avecComment concevoir une expérience géographique marketing ?

À lire ensuite

MSC-H-001Mesure et causalité : comment établir un effet marketing ?→MSC-P-002Corrélation ou causalité : que permet réellement d’affirmer une analyse ?→MSC-P-014Comment concevoir une expérience géographique marketing ?→MSC-P-017Comment détecter sélection, contamination et attrition dans une expérience ?→