効果検証で「差分の差分法」と「傾向スコア」のどちらを使うか｜手法選択の前に確認すべき前提

2026年10月8日にNISTの因果機械学習資料とAEAのpropensity-score本文を再確認した。差分の差分法は介入前後と処置/比較群の平行トレンド等を置き、傾向スコア法は観測共変量で処置確率をモデル化して重なり・交絡・SUTVA等を点検する。名前や推定値だけで選ばず、問い、割付、観測期間、欠測、重なり、感度分析、政策時点を先に固定し、相関/予測を因果効果と扱わない。

差分の差分法（DID）と傾向スコアは、どちらを使えば必ず正しいという道具ではありません。処置を受けた群と比較群をどう作り、観測できない違いをどのような時間・共変量の前提で扱うかが、推定したい効果を決めます。

公式・研究資料を読み直した日と範囲

2026年10月7日に、Difference-in-Differences Designs: A Practitioner’s Guideと、Rosenbaum・Rubinの傾向スコア論文を確認しました。前者はDIDの識別、平行トレンド、処置時点、イベントスタディ、最近の推定上の注意を実務者向けに整理し、後者は観測された共変量による選択を傾向スコアで調整する理論を示します。自社の効果を保証する資料ではありません。

30秒で要点

• DIDは処置前後の変化差を比べ、平行トレンドなど反実仮想の前提を置く
• 傾向スコアは観測された共変量から処置を受ける確率をまとめ、重なりと共変量バランスを確認する
• 傾向スコアは未観測交絡を自動で消さず、DIDは群ごとに異なるトレンドや同時ショックを消さない
• 処置時点、対象集団、推定対象、欠測、感度分析を決めてから手法を組み合わせる

表が収まらない場合は、横にスクロールできます

DIDは平行トレンドを説明する

DIDは、処置群の前後差から対照群の前後差を引きます。処置がなかった世界で両群が同じように変化していたという反実仮想が必要です。処置前の折れ線が似ていても、将来の平行トレンドを証明するわけではありません。制度変更、競合、季節、選択的な処置開始が片方だけに影響していないかを事業側と確認します。

処置時点が群ごとに違う場合は、単純な二群・二時点の式をそのまま使わず、効果の異質性や重みの意味を確認します。イベントスタディを描く場合も、係数の読み方、基準時点、同時の影響、標準誤差を明記します。

傾向スコアは観測共変量を整理する

傾向スコアは、年齢、規模、過去の成果など、処置前に観測した共変量から処置を受ける確率をまとめます。マッチング、重み付け、層別化、回帰などの実装は異なりますが、処置群と対照群の共変量バランスと重なりを確認することが先です。処置後の変数を入れると、処置の影響を調整してしまう可能性があります。

「スコアが合った」だけでは未観測の動機、管理者の判断、同時の投資を消せません。共変量の選び方、欠測の処理、トリミング、モデル仕様、推定対象（ATTなど）をレポートへ残します。

組み合わせるときの判断

表が収まらない場合は、横にスクロールできます

手法を増やすほど安全になるとは限りません。DIDとマッチングを組み合わせても、前提が満たされるか、重みがどの集団を表すか、結果が仕様で変わらないかを確認します。

最小検証のチェックリスト

1. 処置、対象、開始時点、アウトカム、推定したい効果を一文にする。
2. 処置前の時系列を描き、群ごとの出来事とデータ収集の変更を記録する。
3. 傾向スコアを使うなら、処置前共変量、重なり、バランス、欠測、推定対象を書く。
4. 主分析、代替仕様、反証、感度分析、除外ルールを先に決める。
5. 結果を因果効果の断定ではなく、どの前提の下での推定かとして報告する。

DIDも傾向スコアも、ランダム化実験を自動的に置き換えるものではありません。研究デザイン、制度、個人情報、統計的推定のレビューを必要に応じて専門家へ依頼してください。

次の一手：因果推論入門／統計の判断ハブ／データ分析・データサイエンス入門