平行トレンドの仮定とは、施策を実施しなかったとしたら、実施群と対照群はそれ以降も同じような動き方で推移していたはず、という前提です。差分の差分法（DiD）は、この前提が成り立っている場合にだけ、対照群の変化量を「施策がなかったときの参考値」として使えます。前提が崩れていると、DiDが出す効果の数字は施策の効果とは別の何かを測ってしまいます。この記事では、平行トレンドの仮定が何を指すのかを掘り下げ、崩れているかどうかをどう見分け、崩れていたときにどう対処するかを整理します。DiDの基本的な計算の仕組みは差分の差分法（DiD）とはで扱っているので、仕組み自体がまだの方はそちらを先に確認してください。
なぜ「仮定」が必要なのか
DiDは、実施群の変化量から対照群の変化量を差し引くことで、施策の効果を取り出します。この引き算が成立するのは、対照群の変化量が「実施群が施策を受けなかった場合にどう動いていたか」の代わりとして使えるときだけです。つまりDiDは、実際には観測できない「施策をしなかった実施群のその後」を、対照群の動きで代用しています。この代用が妥当であるための条件が、平行トレンドの仮定です。仮定が成り立たないまま計算すると、対照群との差のうち、本来は別の要因で生まれていたぶんまで施策の効果として数えてしまいます。
仮定が崩れると数字がどう歪むか
施策前から実施群と対照群の傾きがすでに違っていたケースで考えます。実施群がもともと対照群より速いペースで伸びていた場合、施策後の変化量の差には、施策の効果だけでなく「元から伸びが速かった分」が混ざり込みます。結果としてDiD効果は実際より大きく出ます。逆に実施群の伸びが元から対照群より鈍かった場合は、施策の効果が過小評価されます。どちらの方向にずれるかは状況次第で、見た目の数字だけからは「ずれている」ことに気づけません。だからこそ、計算結果を出す前に仮定そのものを確認する工程が要ります。
崩れていないかを見分ける3つの方法
| 方法 | 何を確認するか | 必要なデータ |
|---|---|---|
| 施策前トレンドの目視 | 施策前の複数期間、両群が似た形で動いているか | 施策前の数期間〜十数期間 |
| リード・ラグ回帰（イベントスタディ的な手法） | 施策の前の各期間に「見かけ上の効果」が出ていないか | 施策前後の期間データと群の識別変数 |
| プラセボテスト | 施策がなかった過去の期間に、ダミーの施策日を置いても効果が出ないか | 施策前の十分な期間（過去に遡れるデータ） |
施策前トレンドの目視は、実施群と対照群それぞれの施策前の推移を折れ線グラフに重ねて、形が似ているかを見る最も基本的な方法です。水準（高さ）がそろっていなくても、動き方の傾き・波の形が似ていれば仮定は支持されます。
リード・ラグ回帰は、施策前の各期間に施策ダミー変数を1期ずつずらして入れ、本来効果が出るはずのない施策前の時点で有意な差が出ていないかを確かめる方法です。施策前のどこかの時点で「効果」が出てしまう場合、両群はもともと別の動きをしていた可能性が高く、平行トレンドの仮定が崩れている疑いが強まります。
プラセボテストは、実際の施策日より前の時点に仮の施策日を置き、そこでDiDを計算して効果が0に近いかを確認する方法です。仮の施策日でも有意な「効果」が出る場合、施策とは関係なく両群がもともと違う動き方をしていた（平行トレンドが崩れている）か、その時期に片方の群だけに別の出来事があった可能性を示します。
3つの方法は代替ではなく、目視でおおまかに確認したうえで、結果を報告に使う場面ではリード・ラグ回帰やプラセボテストまで確かめると、仮定への根拠が厚くなります。ただし、施策前の確認で分かるのは崩れている兆候の有無までで、施策後も平行だったことの証明にはなりません。施策と同じ時期に片方の群だけに起きた出来事がないかも併せて確認してください。
仮定が崩れていたときの対処
目視やプラセボテストで平行トレンドが崩れていると分かった場合、計算をそのまま進めずに次を検討します。
- 対照群を選び直す：施策前の動きがより似ている店舗・エリアに差し替えます。地理的な近さよりも、施策前の推移の形が似ていることを優先します。
- 対照群を複数の平均にする：1店舗・1エリアだけを対照群にすると、その集団固有の事情に結果が引っ張られやすくなります。複数の平均にすると、個別の事情が打ち消されやすくなります。
- 施策前の観測期間を伸ばす：期間が短いと、たまたま似ていただけなのか、傾向として似ているのかを判断しにくくなります。統計じょうずの地域比較機能で確認する場合は、最低でも施策前8期間（週次なら8週、月次なら8か月）・施策後6期間以上を確保し、実施地域と対照地域を合わせて4地域以上（推奨は合計10地域以上）が必要です。
- 傾きの違いを織り込んで調整する：対照群の選び直しが難しい場合、施策前の傾きの差を踏まえて計算式を調整する手法もありますが、前提を変える分、解釈もその分複雑になります。この段階まで来たら、統計の専門家に相談しながら進めるのが安全です。
いずれの対処でも、対処後にもう一度、施策前トレンドの目視かプラセボテストで確認し直すことが欠かせません。選び直した対照群が本当に前提を満たしているかを確かめないまま効果の数字だけを報告すると、同じ問題を抱えたまま先へ進んでしまいます。
統計じょうずで確認する
統計じょうずの地域比較（DiD）機能は、実施エリアと対照エリアの日次・週次の実績を入力すると、施策前の両群の動きがそろっていたかを検定と図で確認し、崩れていれば警告を出します。あわせて、施策開始を0とした期間別効果（イベントスタディ）が表示されるので、施策前の期間に効果が出ていないかを確かめられます。ただし、この判定は施策後も前提が成り立つことまでは保証しません。警告が出た場合は、実施地域の行はそのまま残し、対照に使う地域の組み合わせを変えたCSVを何通りか作って読み込み直し、平行トレンドの判定と期間別効果が改善するかを見比べる使い方ができます。入力したデータは送信も保存もされずブラウザ内で計算が完結するため、複数の対照群パターンを気兼ねなく試せます。
よくある質問
Q. 施策前のトレンドが完全に一致していないと使えませんか。 完全な一致までは求められていません。多少の水準差があっても、動き方の傾き・波の形が似ていれば仮定は支持されます。重要なのは「このまま施策がなければ似たペースで動き続けたはずか」という点です。
Q. 施策前のデータが1〜2期間しかない場合はどうすればよいですか。 その期間だけでは、傾向として似ているのか偶然似ていただけなのかを判断できません。可能であれば施策前の期間を増やしてから確認し、増やせない場合は結果に「平行トレンドの確認が不十分」という留保を付けて報告することになります。
Q. 仮定が崩れていても、DiDの結果を参考値として使ってよいですか。 崩れの程度によります。わずかなずれであれば参考値として使える場合もありますが、その場合も「前提に一定のずれがある」ことを明記し、点推定だけを断定的に報告しないことが実務上の最低限の配慮になります。
平行トレンドの仮定は、DiDの計算そのものより軽視されやすい工程ですが、ここを確認しないまま報告した効果の数字は、施策とは無関係な要因を測っているかもしれません。統計じょうずの地域比較機能で施策前の動きがそろっているかを検定と図で確認しながら、対照群の候補をいくつか試算し比べることから始めてみてください。