Difference-in-Differences: la logica dietro la valutazione delle politiche

Immagina di voler sapere se una nuova legge sul salario minimo ha davvero aumentato l’occupazione. Non puoi fare un esperimento controllato. La legge è entrata in vigore, il mondo è andato avanti. Come fai a capire cosa sarebbe successo senza di essa?

Il Difference-in-Differences — DiD per chi lo frequenta — risponde esattamente a questa domanda. L’idea è elegante: confronta il cambiamento nel tempo del gruppo che ha ricevuto il trattamento con il cambiamento nel tempo di un gruppo simile che non lo ha ricevuto. La differenza tra queste due differenze è la stima dell’effetto.

Il ragionamento sottostante è questo. Entrambi i gruppi erano soggetti alle stesse tendenze di fondo prima dell’intervento. Se senza la legge l’occupazione sarebbe cresciuta allo stesso modo in entrambi, allora qualsiasi differenza aggiuntiva nel gruppo trattato dopo l’intervento è attribuibile alla legge stessa.

Questa è l’assunzione cruciale e anche il punto debole del metodo. Si chiama assunzione dei trend paralleli: i due gruppi devono seguire traiettorie parallele in assenza di trattamento. Non è verificabile direttamente, ma si può controllare guardando i dati prima dell’intervento.

Quando regge, il DiD è uno degli strumenti più potenti per la valutazione causale con dati osservazionali — senza bisogno di randomizzazione.

Non sempre si può fare un esperimento. A volte basta trovare il confronto giusto.