Что хотят услышать интервьюеры:

DiD — это метод оценки причинного эффекта, когда есть две группы и два периода времени: до и после воздействия. Он измеряет не просто изменение в тестовой группе, а разницу этих изменений относительно контрольной группы. Это помогает частично убрать влияние общих внешних трендов.

Определение:

Difference-in-differences (DiD) — это квазиэкспериментальный метод для оценки влияния вмешательства, если нельзя провести рандомизированный эксперимент. Идея в том, что эффект равен разнице между изменением метрики в группе, на которую повлияло событие, и изменением той же метрики в контрольной группе за тот же период.

Формально:

[ DiD = (Y_{treat, after} - Y_{treat, before}) - (Y_{ctrl, after} - Y_{ctrl, before}) ]

Метод опирается на предположение о параллельных трендах: без вмешательства обе группы изменялись бы одинаково.

Пример использования:

Допустим, в одном регионе запустили новую скидочную программу, а в другом — нет. Нужно понять, выросли ли продажи именно из-за программы, а не из-за сезонного спроса.

Регион A (treat):
до: 100
после: 130

Регион B (ctrl):
до: 90
после: 105

DiD = (130 - 100) - (105 - 90) = 30 - 15 = 15

Интерпретация: программа дала дополнительный прирост продаж примерно на 15 единиц сверх общего роста, который наблюдался и без нее.

Пояснение кода:

Код не требуется. На практике DiD обычно считают так:

Выбирают целевую группу, на которую повлияло событие.
Подбирают контрольную группу, похожую по динамике до вмешательства.
Считают среднее значение метрики до и после в обеих группах.
Вычисляют разницу изменений между группами.
Проверяют, что до вмешательства тренды были близкими, иначе оценка может быть смещена.

Ключевые моменты:

DiD оценивает именно инкрементальный эффект вмешательства, а не просто изменение метрики.
Главная предпосылка — параллельные тренды между treated и control без воздействия.
Метод полезен, когда нельзя сделать A/B-тест, но есть естественный эксперимент или исторические данные.
DiD хорошо работает для uplift-задач и анализа продуктовых/маркетинговых изменений.
Если контрольная группа выбрана плохо или тренды до события различались, результат может быть некорректным.
Часто DiD расширяют на несколько периодов и признаков через регрессионные модели с фиксированными эффектами.

Что такое DiD (difference-in-differences)?