Esta tesis propone un nuevo marco metodológico para estimar efectos causales en contextos donde las intervenciones no se aplican una sola vez, sino que se repiten, se intensifican o alteran la trayectoria del resultado. Mientras que la metodología tradicional de Diferencia en Diferencias (DiD) ha demostrado ser efectiva bajo supuestos de adopción única y tratamiento binario, su aplicación se vuelve problemática cuando las políticas se implementan por fases, con distinta intensidad, o de manera secuencial. Este trabajo responde a esa limitación al desarrollar una familia de diseños que permiten identificar efectos causales incluso en estos escenarios complejos.