施策効果がわかる！〜"差の差法"とは？

「この施策、本当に効果あったのかな…？」

ビジネスの現場で、こう感じたことはありませんか？
新しいキャンペーン、Webサイトの改善、営業研修の導入――。

施策の前後で数字が改善しても、
それが「本当にその施策だけの成果だ！」と自信を持って言うのは、意外と難しいものです。

なぜなら、その結果には景気の波や季節の変動など、
自分たちではコントロールできない様々な要因が影響しているからです。

そんな、たくさんの要因が絡み合う中から、
施策の「本当の効果」だけを的確に見つけ出すための賢い分析手法。

それが今回ご紹介する差の差法（Difference-in-Differences, DID）です！

この記事では、経済学でも使われるこの強力な分析手法を、
身近な事例でわかりやすく解説していきます。

なぜ単純な比較ではダメなのか？

差の差法のすごさを理解するために、まずはダメな例を見てみましょう。

とある企業が、営業成績を向上させるために、東京本社の営業チームにだけ最新のセールス研修を実施しました。
この研修の効果（特に月間平均契約件数への影響）を測りたいとします。

ダメな例①：研修の前後を比べる

「研修を実施した後、東京本社の月間平均契約件数は1人あたり5件も増えた。この研修は素晴らしい！」

「待った！」 ✋

その時期、たまたま新製品がヒットしたり、市場が追い風だったりして、研修とは関係なく契約件数が増えていた可能性はありませんか？
他の要因が混ざってしまい、正確な効果がわかりません。

ダメな例②：研修があったチームとなかったチームを比べる

「研修を受けた東京本社の平均契約件数は25件。受けていない大阪支社は平均21件だ。やっぱり研修を受けた東京本社の方が成果が出ている！」

「待った！」 ✋

もともと東京本社と大阪支社では、市場の規模や担当する顧客が違って、平均の契約件数も違ったかもしれません。
これでは、もともとの差なのか、研修による差なのか区別がつきません。

そう、単純な比較だけでは、施策の「本当の効果」は見えてこないのです。そこで登場するのが差の差法（DID）です！

差の差法（DID）の考え方

差の差法は、その名の通り「2つの差」を計算します。

❶時間の差：
研修を受けたグループ（処置群）と受けなかったグループ（対照群）、それぞれの「研修前後の変化」を計算する。

❷グループの差：
その「変化の差」を比べる。

言葉だけだと難しいので、早速、営業研修の事例で見ていきましょう！

事例で理解！研修は本当に契約件数を増やしたのか？

ここに、同じ会社にある東京本社と大阪支社の営業チームがいます。

• 東京本社（処置群）： 新しい研修を受けたチーム

• 大阪支社（対照群）： 研修を受けなかったチーム

この2つの拠点で、研修実施の前と後で、営業スタッフ1人あたりの月間平均契約件数がどう変化したかを調査しました。

この表を使って、ステップ・バイ・ステップで効果を計算してみましょう。

ステップ1：それぞれのチームの「時間変化（差①）」を計算する

まず、それぞれのチームで、研修後に契約件数が何件変化したかを見ます。

• 東京本社の変化

  1. 25.0件（介入後）−20.0件（介入前）=+5.0件

  2. → 東京本社では、契約件数が平均 5.0件増加 しました。

• 大阪支社の変化

  1. 21.0件（介入後）−18.0件（介入前）=+3.0件

  2. → 大阪支社では、契約件数が平均 3.0件増加 しました。

おや？研修を受けていない大阪支社でも、契約件数が3.0件も増えていますね。これはおそらく、両方の拠点に共通する「市場の好景気」などの影響があったことを示唆しています。

ステップ2：「変化の差（差②）」を計算する 💡

ここが差の差法のクライマックスです！東京本社の変化量から大阪支社の変化量を引き算します。

これにより、「もし東京本社で研修がなかったら、大阪支社と同じように変化しただろう」と考えて、好景気などの共通要因の影響を取り除くのです。

研修の純粋な効果

(+5.0件)−(+3.0件)=+2.0件

結論：どう解釈する？

計算の結果は「+2.0件」となりました。これはどういうことでしょうか？

単純に見ると、東京本社の契約件数は5.0件増えました。
しかし、「もし研修がなかったとしても、市場の好景気の影響で3.0件は増えていたはずだ」と推定できます。

実際に5.0件増えたということは、
その差である2.0件分が、研修による純粋な効果だと解釈できるのです。

つまり、「研修で5件増えた！」と考えるのではなく、より正確な「研修の本当の効果は2件の増加だった」という結論が得られました。
これが、様々な要因が絡み合う現実のデータから、施策の「本当の効果」をあぶり出す差の差法の力です。

差の差法の「キモ」：平行トレンドの仮定

最後に、とても大事な注意点です。
差の差法がうまく機能するには、一つの大事な前提条件があります。

それが「平行トレンドの仮定」です。

これは、「もし処置群（東京本社）で施策が実施されなかったとしても、処置群と対照群（大阪支社）のトレンドは同じように推移しただろう」という仮定です。

もし、介入前から2つのグループのトレンドが全然違っていたら、そもそも比較の前提が崩れてしまいますよね。

なので、差の差法を使うときは、介入前のデータを使って、2つのグループのトレンドが似ていることを確認することが非常に重要です。

まとめ

今回は、政策評価の強力な武器「差の差法（DID）」について解説しました。

• 単純な比較では、他の要因の影響を排除できない。

• 差の差法は「時間の差」と「グループの差」という2つの差を取ることで、純粋な効果を推定する。

• 「平行トレンドの仮定」が成り立つことが大前提。

ビジネスにおける新機能リリースの効果検証や、マーケティングキャンペーンの効果測定など、様々な場面で応用できる考え方です。ぜひ覚えておいてくださいね！