Diferencias en Diferencias (DiD)

La metodología de Diferencias en Diferencias (DiD) es una técnica estadística utilizada principalmente en econometría y ciencias sociales para evaluar los efectos causales de una intervención o tratamiento. Este método se basa en comparar los cambios en los resultados de un grupo que ha recibido el tratamiento con los cambios en los resultados de un grupo que no lo ha recibido, antes y después de la intervención. A continuación, se explica detalladamente en qué consiste esta metodología.

1. Concepto Básico

El método de Diferencias en Diferencias se utiliza para medir el efecto causal de una política, programa o intervención. Supone que, en ausencia del tratamiento, la diferencia promedio en los resultados entre los grupos de tratamiento y control sería la misma antes y después del período de intervención. Al comparar las diferencias en los resultados antes y después del tratamiento en ambos grupos, DiD controla por factores no observados que podrían afectar el resultado, siempre que estos factores no cambien diferencialmente entre los dos grupos durante el período de estudio.

2. Implementación de DiD

a. Selección de Grupos:

- Grupo de Tratamiento: Este grupo recibe la intervención o tratamiento. Por ejemplo, los taxistas en ciudades donde se han introducido plataformas de transporte.

- Grupo de Control: Este grupo no recibe la intervención. Podría consistir en taxistas de ciudades sin plataformas de transporte o aquellos que no usan estas plataformas.

b. Periodos de Observación:

- Antes del Tratamiento: Se recogen datos sobre los resultados de interés (por ejemplo, ingresos de los taxistas) antes de la introducción de las plataformas de transporte.

- Después del Tratamiento: Se recogen datos sobre los mismos resultados después de la introducción de las plataformas.

c. Cálculo del Estimador DiD:

- Se calcula la diferencia en los resultados para el grupo de tratamiento antes y después del tratamiento.

- Se calcula la diferencia en los resultados para el grupo de control en los mismos periodos.

- La diferencia entre estas dos diferencias es el estimador de DiD, que captura el efecto del tratamiento.

3. Ventajas y Supuestos

a. Ventajas:

- Control de Variables No Observadas: Al comparar cambios en lugar de niveles, DiD controla por factores no observados que son constantes en el tiempo.

- Aplicabilidad: Es una metodología flexible que puede aplicarse en diferentes contextos y tipos de datos.

b. Supuestos:

- Paralelismo de Tendencias: El supuesto clave es que, en ausencia del tratamiento, la diferencia entre los grupos de tratamiento y control habría permanecido constante a lo largo del tiempo. Esto significa que las tendencias en los resultados para ambos grupos deben ser paralelas antes del tratamiento.

- Estabilidad de la Composición de los Grupos: La composición de los grupos de tratamiento y control debe ser estable a lo largo del tiempo.

 Ejemplo Práctico

Supongamos que queremos evaluar el impacto de una nueva campaña publicitaria sobre las ventas de un producto de consumo masivo, como una bebida gaseosa, en dos ciudades: Ciudad A (grupo de tratamiento) y Ciudad B (grupo de control).

Antes del Tratamiento: Recopilamos datos sobre las ventas de la bebida gaseosa en ambas ciudades durante un periodo de seis meses antes del lanzamiento de la campaña publicitaria.

Después del Tratamiento: Recopilamos datos sobre las ventas de la misma bebida gaseosa durante seis meses después del lanzamiento de la campaña en Ciudad A.

DiD: Calculamos el cambio en las ventas en Ciudad A (con campaña) y en Ciudad B (sin campaña) antes y después del lanzamiento, y luego comparamos estos cambios para estimar el impacto de la campaña publicitaria.

Por ejemplo:

Supongamos que en Ciudad A, las ventas promedio antes de la campaña eran 100,000 unidades al mes y después de la campaña aumentaron a 120,000 unidades.

En Ciudad B, las ventas promedio antes de la campaña eran 90,000 unidades al mes y después del período de tratamiento permanecieron en 95,000 unidades.

El cambio en las ventas para Ciudad A es 20,000 unidades (120,000 - 100,000) y para Ciudad B es 5,000 unidades (95,000 - 90,000). El estimador de DiD sería: DiD=(120,000−100,000)−(95,000−90,000)=20,000−5,000=15,000

Esto sugiere que la campaña publicitaria ha generado un aumento promedio de 15,000 unidades en las ventas mensuales de la bebida gaseosa en Ciudad A, ajustando por los cambios que también ocurrieron en Ciudad B. Este enfoque permite aislar el efecto de la campaña publicitaria de otros factores que podrían influir en las ventas.