igerber/diff-diff

해결하는 문제

diff-diff는 차이의 차이(DiD) 인과 추론을 위한 포괄적인 Python 라이브러리입니다. 마케팅 캠페인, 정책 변화, 제품 출시와 같은 개입의 인과 효과를 시간이 지남에 따라 처리군과 대조군을 비교함으로써 측정하기 위해, 다양한 계량경제학적 방법을 구현할 수 있는 표준화된 sklearn 유사 API를 제공합니다.

작동 방식

이 라이브러리는 다양한 데이터 상황을 처리할 수 있는 다수의 인과 추정기(_estimator)를 구현하고 있습니다. 예를 들어:

• 단계적 채택: 유닛들이 서로 다른 시점에 처리되는 경우에 적합한 방법들, 예: Callaway & Sant'Anna 및 Sun & Abraham 방법.
• 합성 대조군: 처리된 유닛이 매우 적은 경우에 DiD와 합성 대조군 방법을 결합하여 사용.
• 복잡한 처리: 역전 가능한(비흡수적) 처리, 연속적 처리(용량-반응), 삼중차이(DDD) 설계를 지원.
• 고급 진단 도구: 평행 추세 검정, 위조 실험(플라시보 테스트), 민감도 분석(Honest DiD 등)을 통해 가정 위반 상황에서도 결과가 안정적인지 확인할 수 있는 도구.
• 설문 조사 통합: ACS나 CPS와 같은 복잡한 설문 조사 데이터를 분석하기 위해 설계 기반 분산 추정(층, PSU, 가중치)을 내장 지원.

대상 사용자

• 계량경제학자 및 데이터 과학자: 패널 또는 횡단면 데이터에서 엄격한 인과 분석을 수행하는 사람.
• 마케팅 분석가: 캠페인 효과나 제품 출시 영향을 측정하는 전문가.
• 정책 연구자: 다양한 지역이나 시간대에 걸쳐 정책 시행 효과를 평가하는 분석가.

주요 특징

• 다양한 추정기 세트: 기본적인 2x2 DiD와 Two-Way Fixed Effects(TWFE)부터 TROP, DMLDiD와 같은 최신 기법까지 포함.
• 엄격한 워크플로우: Baker et al. 2025에 기반한 구조화된 8단계 실무 워크플로우를 제공하여 결과가 단순 계산이 아니라 검증된 것임을 보장.
• AI 에이전트 호환: LLM에 간결한 API 참조와 워크플로우를 제공하는 전용 get_llm_guide() 함수 포함.
• 포괄적인 진단 도구: Bacon 분해, RD 플롯, 조작 검정 등 회귀 불연속 설계(RD)에 특화된 도구 제공.