Aula 7: Métodos de Matching e Difference-in-Differences

# Exemplo de implementação de Propensity Score Matching em Python
import pandas as pd
import numpy as np
from sklearn.linear_model import LogisticRegression
from sklearn.neighbors import NearestNeighbors

def propensity_score_matching(df, treatment_col, covariates, outcome_col, n_neighbors=1):
    """
    Implementa Propensity Score Matching
    
    Args:
        df: DataFrame com os dados
        treatment_col: Nome da coluna de tratamento (0 ou 1)
        covariates: Lista de nomes das colunas das covariáveis
        outcome_col: Nome da coluna do resultado
        n_neighbors: Número de vizinhos para matching
    
    Returns:
        ATT: Average Treatment Effect on the Treated
        matched_data: DataFrame com dados pareados
    """
    # Estimar propensity scores
    model = LogisticRegression(max_iter=1000)
    model.fit(df[covariates], df[treatment_col])
    df['propensity_score'] = model.predict_proba(df[covariates])[:, 1]
    
    # Separar grupos de tratamento e controle
    treated = df[df[treatment_col] == 1]
    control = df[df[treatment_col] == 0]
    
    # Encontrar matches baseados no propensity score
    nbrs = NearestNeighbors(n_neighbors=n_neighbors).fit(
        control[['propensity_score']])
    distances, indices = nbrs.kneighbors(treated[['propensity_score']])
    
    # Criar DataFrame com matches
    matched_control = pd.DataFrame()
    for i, idx_list in enumerate(indices):
        matches = control.iloc[idx_list].copy()
        matches['treated_id'] = treated.index[i]
        matched_control = pd.concat([matched_control, matches])
    
    # Calcular ATT
    att = (treated[outcome_col].mean() - 
           matched_control.groupby('treated_id')[outcome_col].mean().mean())
    
    # Preparar dados pareados para retorno
    matched_data = pd.concat([
        treated,
        matched_control.drop('treated_id', axis=1)
    ])
    
    return att, matched_data

# Exemplo de implementação de Difference-in-Differences em Python
import pandas as pd
import numpy as np
import statsmodels.formula.api as smf

def diff_in_diff_estimation(df, time_var, treat_var, outcome_var, covariates=None):
    """
    Implementa estimação Difference-in-Differences
    
    Args:
        df: DataFrame com os dados
        time_var: Nome da coluna que indica período (0=antes, 1=depois)
        treat_var: Nome da coluna que indica tratamento (0=controle, 1=tratado)
        outcome_var: Nome da coluna da variável de resultado
        covariates: Lista de nomes das covariáveis adicionais (opcional)
    
    Returns:
        Modelo estimado e coeficiente DiD
    """
    # Criar termo de interação
    df['treat_post'] = df[treat_var] * df[time_var]
    
    # Construir fórmula
    formula = f"{outcome_var} ~ {treat_var} + {time_var} + treat_post"
    
    # Adicionar covariáveis se especificadas
    if covariates:
        for cov in covariates:
            formula += f" + {cov}"
    
    # Estimar modelo
    model = smf.ols(formula=formula, data=df).fit(cov_type='HC1')
    
    # O coeficiente de interesse é a interação (treat_post)
    did_effect = model.params['treat_post']
    
    return model, did_effect