Metodo de inferencia causal propuesto por Abadie y Gardeazabal (2003) que construye una unidad de control contrafactual como combinacion ponderada de unidades donantes no tratadas. Los pesos se eligen para que el control sintetico replique las caracteristicas pre-tratamiento de la unidad tratada. Permite evaluar efectos de politicas aplicadas a una sola unidad (pais, estado, ciudad) sin suponer tendencias paralelas globales.

Estrategia de identificacion causal que estima el efecto de un tratamiento comparando el cambio en la variable de resultado del grupo tratado antes y despues del tratamiento con el cambio del grupo control en el mismo periodo. Bajo el supuesto de tendencias paralelas, el estimador DiD elimina tanto efectos fijos individuales como tendencias temporales comunes. La generalizacion a multiples periodos y adopcion escalonada requiere estimadores robustos como Callaway-Sant'Anna o Sun-Abraham.

Promedio del efecto causal individual $\tau_i = Y_i(1) - Y_i(0)$ en la poblacion completa. Se distingue del Efecto Promedio sobre los Tratados (ATT = $E[\tau_i | D_i = 1]$) y del LATE (Efecto Local Promedio del Tratamiento) estimado por variables instrumentales. Identificar el ATE requiere supuestos de soporte comun e ignorabilidad condicional, o asignacion aleatoria al tratamiento.

Supuesto de identificacion central en el estimador de Diferencias en Diferencias que establece que, en ausencia de tratamiento, los grupos tratado y control habrian seguido la misma tendencia temporal en la variable de resultado. Formalmente: $E[Y_{it}(0) | G=1] - E[Y_{it-1}(0) | G=1] = E[Y_{it}(0) | G=0] - E[Y_{it-1}(0) | G=0]$. No es verificable directamente porque involucra resultados potenciales, pero se testea mediante graficos y pruebas de placebo en periodos pre-tratamiento.