Emparejamiento (estadística)

El emparejamiento es una técnica estadística que evalúa el efecto de un tratamiento comparando las unidades tratadas y no tratadas en un estudio observacional o cuasiexperimento (es decir, cuando el tratamiento no se asigna aleatoriamente). El objetivo del emparejamiento es reducir el sesgo para el efecto estimado del tratamiento en un estudio de datos observacionales, al encontrar, para cada unidad tratada, una (o más) unidad(es) no tratada(s) con características observables similares contra las cuales se equilibran las covariables (similar al algoritmo de los K vecinos más cercanos ). Al emparejar las unidades tratadas con unidades no tratadas similares, el emparejamiento permite una comparación de resultados entre unidades tratadas y no tratadas para estimar el efecto del tratamiento reduciendo el sesgo debido a la confusión . ^{[ 1 ] [ 2 ] [ 3 ]} El emparejamiento por puntuación de propensión , una técnica de emparejamiento temprana, se desarrolló como parte del modelo causal de Rubin , ^{[ 4 ]} pero se ha demostrado que aumenta la dependencia del modelo, el sesgo, la ineficiencia y la potencia y ya no se recomienda en comparación con otros métodos de emparejamiento. ^{[ 5 ]} Un método de coincidencia simple, fácil de entender y estadísticamente potente se conoce como Coincidencia Exacta Aproximada o CEM. ^{[ 6 ]}

El emparejamiento fue promovido por Donald Rubin . ^{[ 4 ]} Fue criticado prominentemente en economía por Robert LaLonde (1986), ^{[ 7 ]} quien comparó estimaciones de efectos de tratamiento de un experimento con estimaciones comparables producidas con métodos de emparejamiento y demostró que los métodos de emparejamiento son sesgados . Rajeev Dehejia y Sadek Wahba (1999) reevaluaron la crítica de LaLonde y demostraron que el emparejamiento es una buena solución. ^{[ 8 ]} Críticas similares se han planteado en revistas de ciencia política ^{[ 9 ]} y sociología ^{[ 10 ]} .

Cuando la variable de interés es binaria, la herramienta más general para el análisis de datos emparejados es la regresión logística condicional, ya que admite estratos de tamaño arbitrario y tratamientos (predictores) continuos o binarios, y permite controlar las covariables. En casos particulares, se pueden utilizar pruebas más sencillas como la prueba de diferencias pareadas , la prueba de McNemar y la prueba de Cochran-Mantel-Haenszel .

Cuando la variable de interés es continua, se realiza una estimación del efecto promedio del tratamiento .

El emparejamiento también puede utilizarse para "preprocesar" una muestra antes de analizarla mediante otra técnica, como el análisis de regresión . ^{[ 11 ]}

El sobreajuste, o sesgo posterior al tratamiento, consiste en emparejar un mediador aparente que en realidad es resultado de la exposición. ^{[ 12 ]} Si el mediador en sí está estratificado, es muy probable que se induzca una relación oculta entre la exposición y la enfermedad. ^{[ 13 ]} Por lo tanto, el sobreajuste causa sesgo estadístico . ^{[ 13 ]}

Por ejemplo, emparejar el grupo de control por duración de la gestación y/o número de partos múltiples al estimar la mortalidad perinatal y el peso al nacer después de la fertilización in vitro (FIV) es un sobreemparejamiento, ya que la FIV en sí misma aumenta el riesgo de parto prematuro y parto múltiple. ^{[ 14 ]}

Esto puede considerarse un sesgo de muestreo que disminuye la validez externa de un estudio, ya que los controles se vuelven más similares a los casos en cuanto a la exposición que la población general.

• Emparejamiento por puntuación de propensión

• Angrist, Joshua D.; Pischke, Jörn-Steffen (2009). «La regresión se encuentra con el emparejamiento». Econometría casi inofensiva: Un compañero para el empirista . Princeton University Press. págs. 69–80 . ISBN  978-0-691-12034-8.