1998年6月、ジャムナ川に架かる全長4.8キロメートルの橋が開通し、孤立していた2600万人のバングラデシュの人々をダッカと結び、輸送費をほぼ半減させました。本チュートリアルでは、この橋の差分の差分法による効果評価をPythonでゼロから再構築します。比較対象には、もう一方の大河によって隔てられ、自らの橋の建設が2015年まで始まらなかった対称的な地域であるパドマ後背地を用います。衛星の夜間光データを題材に、2×2の論理、平行トレンド、二元固定効果、イベントスタディ、そして誠実な感度分析を学び、続いて同じ手法を国勢調査の産業別就業比率、コメの単収、公共財のプラセボ検定へと適用します。原論文の二つの二重頑健推定量はNumPyで手作業により再現し、diff-diffとpyfixestの両方で実行します。公表された122個の係数はすべて複製結果と並べて検証し、配布されたStataパッケージ内に見つかった不備も余さず記録しています。
カリフォルニア州提案99を題材に、Synthetic Control法をゼロから解説するPythonチュートリアルです。3つの段階を順に登ります——Abadie・Diamond・Hainmuellerによる古典的な単体（シンプレックス）制約、制約ではなくデータにドナー州を選ばせるhorseshoe事前分布、そしてドナー集団に対するSUTVAを外し「他に誰が処置を受けたのか」を問うSakaguchi・Tagawaのベイズ空間モデルです。すべての数式を導出し、それを実装するコードと対応づけながら、scspillとmlsynthの両ライブラリを使います。カリフォルニアへの効果はどの緩和にも耐えて残ります。ドナー集団が汚染されていないという主張は、そうではありません。
処置ユニットが一つの場合の合成コントロール系推定量を、ひとつの設定インターフェースの背後にまとめたPythonライブラリmlsynthを丁寧に紹介します。差の差法、Synthetic Control、平均を除去したDSC、3つの変種をもつ合成差の差法（SDID）、MASC、拡張Synthetic Controlという6段のはしごを、各段につきmlsynthのクラス一つで登ります。どのオプションが何をするのか、そして既定値がいつの間にか別の推定量を返してしまう箇所はどこかを解説します。事例は2016年のブレグジット国民投票が英国のGDPに与えた損失です。
処置ユニットが一つの場合の推定量を、はしごを登るように順番に学ぶチュートリアルです。差の差法から始めて、Synthetic Control、平均を除去したDSC、3つの変種をもつ合成差の差法（SDID）、MASC、拡張Synthetic Controlまでを扱います。各手法をまずゼロから実装し、その後パッケージで再現します。データは1995年から2020年までのOECD24か国の四半期実質GDPです。R・Stata・Pythonの3言語のチートシートも収録しています。
Scott CunninghamのLaLondeテストをPythonで再現します。差分の差分法では、共変量が対照群の反実仮想トレンドに入る場合にのみATTを回復でき、素朴な推定値$3,621から実験的ベンチマークである$1,794を回復することを示します。
Lessmann and Seidel（2017）をPythonで包括的かつ初心者にやさしく再現します。衛星の夜間光から地域GDPを予測し、人口加重の不平等指標5種類をゼロから構築し、地域間格差の国際的な動態を探り、PyFixestで地域版クズネッツ曲線、その決定要因、Conleyの空間HAC頑健性チェックを推定します。
工業団地は地域の経済活動を高めるのか、そして誰のためにそうするのか。Pythonによる、エチオピアの工業団地を対象とした初心者向けの段階的な差分の差分法による評価です。合成的に較正されたデータを用いてHuang, Wang & Xu (2026) を再現し、pyfixestによるTWFEとイベントスタディ、Sun-Abraham、Borusyak/Gardner、Callaway-Sant'Annaといった最新の推定量に加えてdiff-diffによるGoodman-Bacon分解、DHSの世帯福祉と女性のエンパワーメントに関する調査重み付きの繰り返し横断面DiD、そしてConleyの空間標準誤差を扱います。
企業の雇用はどれほど持続的でしょうか。プールドOLS、固定効果、Anderson-HsiaoのIV、Arellano-Bondの差分GMM、Blundell-BondのシステムGMMを古典的な英国140社パネルに適用し、AR(2)検定・Hansen検定・操作変数の縮約（collapse）診断が、4つの魅力的だが誤った推定値の中から唯一擁護できる推定値をどのように選り分けるかを示します。
Pythonの因果推論で、局所的な自然災害の長期的な経済的影響を評価します。2004年のアチェ津波に関するHeger & Neumayer (2019) を初心者向けに再現します。合成的に較正されたデータを用いて、pyfixestによる動的な差分の差分法、diff-diffによるイベントスタディ、夜間光の用量反応、mlsynthによる合成コントロール、Conleyの空間標準誤差を扱います。
R版・Stata版のダブルLASSOチュートリアルのPython版です。同じデータ、同じ5つの推定量を用い、DoubleMLライブラリ（DoubleMLPLR、DoubleMLIRM、および LASSO・RandomForest・XGBoost 間での学習器のロバスト性）を実践的に紹介します。