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.
Rédaction scientifique : Marketing Science Center
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.
Hernán & Robins, Causal Inference: What IfArnold et al., 2020
01
Résumé opérationnel
Question scientifique et périmètre
Comment estimer un effet avec une différence-de-différences ?
Recevable
Estimer un ATT pour les groupes et périodes couverts par le design.
Interdit
Valider les tendances parallèles futures avec le seul pré-test.
02
Trois niveaux de lecture
- 01
Décideur — Relier le résultat à une décision, un seuil utile et un coût d’erreur déclarés.
- 02
Praticien — Fixer population, unité, horizon, variables disponibles et règle d’analyse avant le calcul.
- 03
Analyste — Reproduire le calcul, quantifier l’incertitude et documenter diagnostics, échecs et sensibilités.
03
Situation marketing concrète
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.
04
Question scientifique et périmètre
Comment estimer un effet avec une différence-de-différences ?
ATT dans un plan à deux groupes et deux périodes
Données nécessaires
unité × groupe × période
La population, l’unité d’analyse, la date d’origine et l’horizon doivent être déclarés dans le livrable. Sans eux, l’estimand change silencieusement.
05
Pourquoi une analyse simple peut échouer
- Valider les tendances parallèles futures avec le seul pré-test.
- Les tendances antérieures au traitement sont-elles crédibles pour le groupe de comparaison choisi ?
- Les unités pourraient-elles anticiper le traitement ou changer de composition avant l’adoption ?
- En cas d’adoption échelonnée, utilise-t-on ATT par groupe et période plutôt qu’une agrégation TWFE invalide ?
06
Intuition de la méthode
La méthode ne transforme pas automatiquement une association en preuve. Elle relie une question déclarée à un estimand, une spécification, des données compatibles et une règle d’interprétation limitée.
ATT dans un plan à deux groupes et deux périodes
07
Données nécessaires
Dictionnaire des symboles scientifiques
Y_T_post- Résultat moyen des unités du groupe traité après l’intervention. Unité:
résultat· Type:nombre· Rôle:entrée Y_T_pre- Résultat moyen du même groupe traité pendant la période antérieure déclarée. Unité:
résultat· Type:nombre· Rôle:entrée Y_C_post- Résultat moyen du groupe de comparaison déclaré pendant la période postérieure. Unité:
résultat· Type:nombre· Rôle:entrée Y_C_pre- Résultat moyen du même groupe de comparaison pendant la période antérieure. Unité:
résultat· Type:nombre· Rôle:entrée z- Valeur critique bilatérale de la loi normale pour le niveau de confiance déclaré. Unité:
sans dimension· Type:nombre strictement positif· Rôle:paramètre cluster_SE- Erreur standard robuste à la mise en grappes, fournie extérieurement pour le contraste DiD de cette illustration scellée. Unité:
résultat· Type:nombre strictement positif· Rôle:entrée ATT_DiD- Contraste de différences de différences à deux périodes, interprétable causalement uniquement sous les hypothèses d’identification déclarées. Unité:
résultat· Type:nombre· Rôle:sortie CI- Intervalle normal fondé sur l’erreur standard robuste à la mise en grappes fournie. Unité:
résultat· Type:couple ordonné· Rôle:sortie
Entrées exactes et scellées du moteur
treated_pre- Valeur:
100· Unité:indice· Type:nombre· Statut des données:synthétique treated_post- Valeur:
120· Unité:indice· Type:nombre· Statut des données:synthétique control_pre- Valeur:
90· Unité:indice· Type:nombre· Statut des données:synthétique control_post- Valeur:
98· Unité:indice· Type:nombre· Statut des données:synthétique standard_error- Valeur:
4· Unité:indice· Type:nombre· Statut des données:synthétique z_critical- Valeur:
1.95996398454· Unité:sans dimension· Type:nombre· Statut des données:paramètre déclaré
08
Modèle formel
Modèle formel
att_did = (treated_post − treated_pre) − (control_post − control_pre); CI = att_did ± z_critical × standard_errorAffirmations étayées: MSC-P015-C01 · MSC-P015-C02 · MSC-P015-C03 · MSC-P015-C04 · MSC-P015-C05 · MSC-P015-C06
Question scientifique et périmètre
ATT dans un plan à deux groupes et deux périodes
09
Calcul déclaré
- 01
Figer les groupes traité et de comparaison, le calendrier, la définition du résultat et la spécification d’incertitude robuste à la mise en grappes fournie.
- 02
Calculer la variation de chaque groupe, soustraire la variation du groupe de comparaison à celle du groupe traité, puis former l’intervalle déclaré.
- 03
Interpréter le contraste comme ATT uniquement si les tendances parallèles, l’absence d’anticipation, le recouvrement et le calendrier de comparaison sont défendables.
10
Exemple numérique ou cas d’application
Exemple calculé — données synthétiques ou paramètres déclarés ; aucune observation réelle
Entrées scellées
treated_pre=100 [indice]treated_post=120 [indice]control_pre=90 [indice]control_post=98 [indice]standard_error=4 [indice]z_critical=1.95996398454 [sans dimension]
Résultats reproductibles
ATT_DiD=12CI95=[4.160144; 19.839856]
Dossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.
11
Hypothèses de validité
- Les tendances antérieures au traitement sont-elles crédibles pour le groupe de comparaison choisi ?
- Les unités pourraient-elles anticiper le traitement ou changer de composition avant l’adoption ?
- En cas d’adoption échelonnée, utilise-t-on ATT par groupe et période plutôt qu’une agrégation TWFE invalide ?
12
Diagnostics et incertitude
Diagnostics et incertitude
Les tendances antérieures au traitement sont-elles crédibles pour le groupe de comparaison choisi ? · Les unités pourraient-elles anticiper le traitement ou changer de composition avant l’adoption ? · En cas d’adoption échelonnée, utilise-t-on ATT par groupe et période plutôt qu’une agrégation TWFE invalide ?
Diagnostic borné
L’interprétation exige toujours des tendances parallèles, l’absence d’anticipation et un plan de variance groupée approprié.
Contrat explicite d’incertitude · quantified_conditional
Méthode : Calcul déterministe du moteur de référence sur le sous-ensemble d’entrées scellé.
Cible : Incertitude de l’illustration ATT en différences de différences.
Preuve du moteur : metric.ci_lower= · metric.ci_upper=
Interprétation : L’intervalle est conditionnel à l’erreur standard robuste à la mise en grappes fournie et ne permet pas d’établir les tendances parallèles.
Arrêter si
Valider les tendances parallèles futures avec le seul pré-test.
13
Interprétation du résultat
- Estimer un ATT pour les groupes et périodes couverts par le design.
- Le résultat est conditionnel à la population, à l’horizon, à la spécification et aux contrôles déclarés. Il ne doit pas être étendu à une autre décision sans nouvelle justification.
14
Conclusion recevable et conclusion interdite
Recevable
Estimer un ATT pour les groupes et périodes couverts par le design.
Interdit
Valider les tendances parallèles futures avec le seul pré-test.
15
Décision marketing possible
- 01
Estimer un ATT pour les groupes et périodes couverts par le design.
- 02
Le résultat est conditionnel à la population, à l’horizon, à la spécification et aux contrôles déclarés. Il ne doit pas être étendu à une autre décision sans nouvelle justification.
16
Quand utiliser — quand s’arrêter
Utiliser si
Estimer un ATT pour les groupes et périodes couverts par le design.
unité × groupe × période
Arrêter si
Valider les tendances parallèles futures avec le seul pré-test.
Alternatives méthodologiques
- Estimer ATT par groupe et période avec comme contrôles les unités non encore traitées ou jamais traitées en cas d’adoption échelonnée.
- Utiliser un plan d’étude d’événement pour présenter les effets dynamiques et les diagnostics des tendances antérieures.
- Privilégier un déploiement randomisé lorsque le calendrier de l’intervention peut être assigné.
17
Contrat de reproductibilité
Python et R servent de références exécutables. SPSS et SAS restent des syntaxes secondaires jusqu’à vérification sur les mêmes données, la même spécification et les mêmes contrôles.
Le moteur sélectionne uniquement le slice et la branche explicite de cette page. Son hash, ses sorties et ses diagnostics restent scellés dans le dossier atomique ; aucune branche générique de repli n’est autorisée.
Empreinte du slice: 928e93319b64e017684dad7e878d79a85a38b2296a0925cc3597773489b3fc56
Actif disponible · MSC-005
Incrémentalité promotionnelle
Actif disponible · MSC-T02
Calculateur DiD
CSV · CC0
msc-validation-inputs-v1.csv ↓Python · MIT
msc-validation-reference-v1.py ↓R · MIT
msc-validation-reference-v1.R ↓SPSS / SAS · MIT · inspection uniquement
SPSS ↓SAS ↓Modèle formel
att_did = (treated_post − treated_pre) − (control_post − control_pre); CI = att_did ± z_critical × standard_errorDossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.
18
Livrable final attendu
- 01
Comment estimer un effet avec une différence-de-différences ? —
unité × groupe × période - 02
Y_T_post · Y_T_pre · Y_C_post · Y_C_pre · z · cluster_SE · ATT_DiD · CI
- 03
att_did = (treated_post − treated_pre) − (control_post − control_pre); CI = att_did ± z_critical × standard_error - 04
Les tendances antérieures au traitement sont-elles crédibles pour le groupe de comparaison choisi ? · Les unités pourraient-elles anticiper le traitement ou changer de composition avant l’adoption ? · En cas d’adoption échelonnée, utilise-t-on ATT par groupe et période plutôt qu’une agrégation TWFE invalide ?
- 05
Estimer un ATT pour les groupes et périodes couverts par le design. / Valider les tendances parallèles futures avec le seul pré-test.
19
Sources scientifiques et statut de preuve
Dossier vérifié : affirmations reliées à des sources au niveau du passage, calcul Python/R reproduit, limites explicites et revue scientifique indépendante achevée.
MSC-P015-C01— La cible causale compare les moyennes des résultats potentiels sous deux interventions définies.MSC-P015-C02— La cohérence relie le résultat observé au résultat potentiel sous la politique assignée.MSC-P015-C03— L’ajustement d’une régression n’établit pas à lui seul un plan causal.MSC-P015-C04— L’identification exige des hypothèses explicites de tendances parallèles et d’absence d’anticipation.MSC-P015-C05— Le cadre distingue les plans à date d’adoption commune des plans à adoption échelonnée.MSC-P015-C06— L’ajustement sur les covariables dépend du plan d’identification.
Dataset · Outil
Connexions méthodologiques