igerber/diff-diff

何を解決するか

diff-diff は、差分の差分（DiD）因果推論の包括的なツールキットを提供し、研究者やアナリストが処置または政策の実際の影響（「リフト」）を、時間経過に伴う処置群と対照群の比較によって測定できるようにします。特に、現代の因果分析の複雑さ、たとえば段階的導入（異なる単位が異なる時期に処置を受ける）、処置の可逆性、および結果が偶然のトレンドに左右されないかを確認するための厳格な感度テストの必要性に対応しています。

どう動くか

このライブラリは、scikit-learn風のAPI（fit と predict のパターン）と statsmodels風の出力を持つ広範な経済推計推定量を実装しています。さまざまな設計パターンをサポートしています：

• 標準的なDiD：基本的な2×2比較。
• 段階的導入：Callaway & Sant'Anna、Sun & Abraham、Imputation DiDなどの高度な推定量で、処置タイミングのばらつきに対応。
• 合成コントロール/DiD：処置群が非常に少ないケースで重み付きの反事実を構築。
• 専門的な設計：回帰不連続性（RDD）、三重差分（DDD）、連続DiDなど、用量反応分析に適した設計。
• ロバストネスツール：並行トレンド、プラセボテスト、および「誠実なDiD」感度分析（仮定の違反下での結果の上限を評価）のための組み込み診断ツール。
• 調査統合：ACSやCPSなどの複雑な調査データ向けに、設計ベースの分散推定（層、PSU、重み）をネイティブにサポート。

対象ユーザー

• 経済学者および学術研究者：厳密な因果推論と政策評価に。
• マーケティングアナリスト：キャンペーンのリフトや製品リリースの影響を測定するのに。
• データサイエンティスト：A/Bテスト、段階的導入、ビジネスインパクト分析を実行するのに。

主な特徴

• 広範な推定量ライブラリ：CS、SA、BJS、TROP推定量の最新実装を含む。
• 厳格なワークフロー：Baker et al. (2025) の構造化された8ステップ実践者ワークフローを提供し、信頼性の低い結果を防ぐ。
• 調査対応：現代の異質性ロバスト推定量に対し、設計ベースの分散推定を提供する唯一のPython/R DiDパッケージ。
• AI対応：AIエージェント向けに特化したAPIリファレンスとワークフローを提供する get_llm_guide() 関数を含む。
• 包括的な診断ツール：RDプロット、操作検定、空間HAC標準誤差（Conley SE）を含む。