Cómo hacer un análisis de diferencias en diferencias paso a paso en tu TFG o TFM

Respuesta directa: el método de diferencias en diferencias —o doble diferencia— sirve cuando una medida entró en vigor en un sitio y no en otro y quieres estimar su efecto sin haber podido aleatorizar. Se calcula restando dos veces: primero el cambio antes-después dentro de cada grupo, y después la diferencia entre esos dos cambios. Lo difícil no es el cálculo, es defender el supuesto de tendencias paralelas, y eso se hace con un gráfico y con coeficientes previos a la intervención.

Cuándo te toca este diseño (y cuándo no)

Diferencias en diferencias es el diseño natural cuando tu objeto de estudio es un cambio que ocurrió en el mundo, no en tu laboratorio: una comunidad autónoma que implantó un programa y otra que no, un hospital que cambió de protocolo mientras el de al lado siguió igual, una tasa que se aplicó en unos municipios y no en otros, un centro que introdujo una metodología en un curso concreto.

Necesitas exactamente cuatro cosas:

1. Un grupo tratado, el que recibe la medida.
2. Un grupo de comparación, que no la recibe.
3. Al menos un periodo antes de la intervención para los dos grupos.
4. Al menos un periodo después para los dos grupos.

Si te falta la observación previa del grupo de comparación, no tienes doble diferencia: tienes una comparación de grupos no equivalentes y necesitas otro enfoque, por ejemplo un ANCOVA con la medida basal como covariable. Si te falta el grupo de comparación, tienes un diseño pre-post de un solo grupo, que no permite atribuir el cambio a la intervención.

Paso 1 — Escribe la doble resta antes de tocar el software

Dibuja un cuadro de dos filas (tratado, comparación) por dos columnas (antes, después) y rellénalo con las cuatro medias de tu variable de resultado. Después:

• Primera diferencia: en la fila del grupo tratado, resta la media de antes a la de después. Ese cambio incluye el efecto de la medida más todo lo que hubiera pasado igualmente.
• Segunda diferencia: haz la misma resta en la fila del grupo de comparación. Ese cambio es solo «todo lo que hubiera pasado igualmente».
• Doble diferencia: resta la segunda a la primera. Lo que queda es tu estimación del efecto.

Haz este cálculo a mano con cuatro medias antes de estimar nada. Es tu control de sanidad: si el modelo te devuelve después un coeficiente muy distinto de ese número, hay un error de especificación o de codificación de variables.

Paso 2 — Estructura los datos en formato largo

Cada fila debe ser una unidad-periodo: un municipio en un año, un paciente en una medición, un centro en un trimestre. No una fila por unidad con las mediciones en columnas. Con esa estructura necesitas tres variables construidas:

• tratado: vale 1 si la unidad pertenece al grupo que recibió la medida, 0 en caso contrario. No cambia con el tiempo.
• post: vale 1 en los periodos posteriores a la intervención, 0 en los anteriores. Es igual para todas las unidades.
• tratado × post: el producto de las dos. Vale 1 solo en las filas del grupo tratado en periodos posteriores.

El error de codificación más común es marcar tratado = 1 únicamente en las filas posteriores del grupo tratado. Si haces eso, tu variable tratado y tu interacción son la misma columna, el modelo no puede separarlas y el coeficiente que interpretes no será el efecto.

Paso 3 — Estima la regresión con la interacción

El modelo básico regresa tu variable de resultado sobre las tres variables anteriores. La lectura de los coeficientes es fija y conviene memorizarla:

Con más de dos periodos o más de dos unidades, la versión estándar sustituye tratado y post por efectos fijos de unidad y de periodo, y deja solo la interacción como variable de interés. Los coeficientes de nivel dejan de estimarse, pero el estimador del efecto no cambia de interpretación.

Los errores estándar son el punto donde suspende la mitad de los trabajos

Si tus datos son municipios observados durante varios años, las observaciones del mismo municipio no son independientes. Un modelo que asuma independencia devolverá errores estándar demasiado pequeños y tú declararás significativo un efecto que no lo es. La corrección estándar es agrupar los errores por la unidad de tratamiento (el municipio, el centro, la comunidad). Decláralo explícitamente en el método: es una de las primeras cosas que mira un tribunal con formación cuantitativa, y guarda relación directa con la diferencia entre reportar un intervalo de confianza y reportar solo un valor p.

Con muy pocos conglomerados —dos comunidades autónomas, tres hospitales— la corrección por agrupamiento tampoco funciona bien. En ese caso lo honesto es presentar el resultado como descriptivo y decirlo en las limitaciones, no fabricar una significación que el diseño no soporta.

Paso 4 — Pon a prueba el supuesto de tendencias paralelas

Todo el método descansa en una idea: si la intervención no hubiera ocurrido, los dos grupos habrían seguido evolucionando en paralelo. Ese supuesto es incontrastable por definición, porque habla de un mundo que no pasó. Lo que sí puedes hacer es reunir evidencia a su favor:

1. El gráfico. Representa la media del resultado por periodo y grupo, con una línea vertical en el momento de la intervención. Si las dos series iban visiblemente en paralelo antes y se separan después, ya tienes la mitad del argumento. Este gráfico debe aparecer en tu memoria; no es opcional.
2. Los coeficientes previos. Con tres o más periodos anteriores, estima un modelo que permita un efecto distinto en cada periodo respecto al inmediatamente anterior a la intervención. Los coeficientes de los periodos previos deben ser pequeños y no significativos. Si uno de ellos es grande, el grupo tratado ya iba por otro camino antes de la medida.
3. El argumento sustantivo. Explica por qué el grupo de comparación es comparable: por qué está sometido a las mismas dinámicas económicas, demográficas o institucionales. Un párrafo de teoría vale más que un test.

Este es el punto donde el método conecta con el marco de identificación causal con DAGs, que trata la doble diferencia como uno de los diseños posibles y te obliga a nombrar el supuesto que hace creíble tu estimación. Si tu TFM es doctoral, conviene que el DAG y la elección de este diseño aparezcan juntos.

Paso 5 — Comprueba que la intervención no cambió la composición

Un riesgo específico de este diseño es que la medida altere quién está en cada grupo. Si un programa de becas provoca que se matriculen estudiantes distintos, la comparación antes-después mezcla el efecto de la beca con el cambio de perfil del alumnado. Dos comprobaciones rápidas:

• Compara las características observables de las unidades antes y después en cada grupo. Si el perfil cambió solo en el grupo tratado, tienes un problema de composición y hay que discutirlo.
• Revisa si hubo otras medidas simultáneas que afectaran solo a uno de los dos grupos. Si las hubo, tu estimación recoge el efecto conjunto, no el de tu intervención. Eso es un sesgo de confusión en toda regla y debe figurar en las limitaciones.

Paso 6 — Redáctalo en la memoria

Un apartado de método completo para este diseño tiene seis frases:

1. Qué intervención estudias y en qué fecha exacta entró en vigor.
2. Quién forma el grupo tratado y quién el de comparación, con el criterio de asignación.
3. Qué periodos cubres antes y después, y por qué esos y no otros.
4. La especificación del modelo, nombrando la interacción como el parámetro de interés.
5. Cómo has calculado los errores estándar y por qué unidad los has agrupado.
6. Qué evidencia aportas sobre tendencias paralelas.

En resultados, presenta la tabla de cuatro medias primero y el coeficiente después. El lector entiende mucho mejor el efecto si ha visto antes las cuatro cifras de las que sale. Y en la discusión, di explícitamente qué población representa tu estimación: la doble diferencia estima el efecto sobre los tratados, no sobre todo el mundo.

Errores frecuentes que detecta el tribunal

• Interpretar el coeficiente de post como el efecto. Mide la tendencia general, que suele ser grande y significativa por razones ajenas a tu intervención.
• Elegir el grupo de comparación por conveniencia de datos. Si el único criterio es que había un fichero disponible, dilo y asúmelo como limitación en vez de disfrazarlo de decisión teórica.
• No mostrar el gráfico previo. Sin él, el supuesto central del diseño queda solo afirmado.
• Confundir el diseño con una regresión más. El valor de la doble diferencia no está en el ajuste del modelo sino en la lógica de identificación, y por eso presentar el R² como si fuera la medida de calidad es un error de fondo.
• Prometer causalidad universal. Tu estimación es causal bajo el supuesto de tendencias paralelas. Esa condición se escribe, no se sobreentiende.

Preguntas frecuentes

¿Cuántos periodos necesito como mínimo?

Dos: uno antes y uno después, para los dos grupos. Con eso el estimador se calcula, pero no puedes contrastar tendencias paralelas con coeficientes previos y dependes por completo del argumento teórico. Con tres o más periodos anteriores el trabajo gana muchísima solidez.

¿Puedo hacerlo si los individuos no son los mismos antes y después?

Sí. La doble diferencia funciona con cortes transversales repetidos —muestras distintas de la misma población en cada momento— siempre que la composición de la población no cambie por causa de la intervención. Ese es justamente el riesgo del paso 5.

¿Qué software necesito?

Cualquiera que estime una regresión con interacciones y permita agrupar errores estándar. R y Stata lo hacen de forma directa; en SPSS se puede especificar la interacción, pero el agrupamiento de errores es más incómodo. Elige antes de recoger los datos, no después.

¿En qué se diferencia del emparejamiento por puntaje de propensión?

El emparejamiento intenta hacer comparables a dos grupos ajustando por características observadas. La doble diferencia no exige que los grupos sean iguales: permite que difieran en nivel, siempre que evolucionen en paralelo. Por eso resuelve la confusión estable en el tiempo y no la que varía con él. Los dos enfoques se combinan a menudo.

¿Y si las unidades adoptan la medida en fechas distintas?

Ese caso —adopción escalonada— es una extensión del método, no el método básico, y su estimación clásica puede sesgarse cuando el efecto cambia con el tiempo. Si tu diseño es escalonado, dilo desde el principio y busca la especificación adecuada; no lo trates como una doble diferencia normal.

¿Sirve para datos cualitativos?

No. El resultado tiene que ser una variable medible en los dos grupos y en los dos momentos. Un estudio cualitativo puede acompañar al diseño para explicar el mecanismo, pero el estimador exige números comparables.

¿Es un diseño demasiado avanzado para un TFG?

No necesariamente. Con dos grupos, dos periodos y una tabla de cuatro medias es perfectamente asumible en un grado, sobre todo si trabajas con microdatos ya publicados o con estadísticas oficiales. Lo que sube el listón no es el cálculo sino la calidad del argumento sobre el grupo de comparación.

Antes de escribir el capítulo

La parte que consume tiempo en este diseño no es estimar el modelo: es redactar con precisión las seis frases del método y el párrafo de limitaciones que las acompaña, de forma que el tribunal vea que entiendes qué estás suponiendo. Si ya tienes los resultados y lo que te falta es convertirlos en prosa académica ordenada, puedes empezar tu documento con Tesify y trabajar sobre una estructura que ya reserva sitio para el diseño, los supuestos y las limitaciones.