- Pubblicazione
- Aggiornamento
Applicare un metodo basato sul propensity score non garantisce che ogni persona abbia una controparte comparabile o informazioni di confronto sufficienti. La mancanza di sovrapposizione di caratteristiche importanti può cambiare quali persone un effetto stimato possa descrivere in modo significativo.
Definire il quesito e le ipotesi
Definire prima la popolazione target e l’effetto di interesse. Esaminare insieme distribuzioni del punteggio, equilibrio delle covariate e pesi. Pesi estremi o persone non abbinate non sono semplici inconvenienti tecnici: possono indicare regioni in cui i dati non sostengono il confronto. Giustificare regole di esclusione o troncamento rispetto allo scopo scientifico e alla popolazione risultante.
Esempio di studio ipotetico
In un dataset ipotetico, le persone gravemente colpite ricevono quasi sempre un intervento. L’abbinamento lascia la maggior parte di loro fuori dall’analisi. Il gruppo non generalizza il risultato del campione mantenuto all’intera popolazione originale; riporta il cambiamento della popolazione target e i profili che non hanno una rappresentazione adeguata.
Verifiche di revisione del disegno
- Mostrare separatamente per entrambi i gruppi distribuzioni dei punteggi e regioni prive di sovrapposizione.
- Esaminare pesi elevati e concentrazione dell’influenza sulla stima risultante.
- Descrivere i cambiamenti della popolazione target dopo abbinamento, troncamento o altri passaggi di selezione.
Documentare la decisione e i suoi limiti
La rendicontazione accettata include evidenze di equilibrio e sovrapposizione accanto al nome del metodo. L’equilibrio sulle covariate misurate non dimostra equilibrio sui confondenti non misurati. Non scegliere regole analitiche dopo aver visto quale risultato producano. Discutere insieme supporto residuo dei dati, effetto di interesse e generalizzabilità, oltre all’incertezza numerica della stima.
Domande frequenti
- Un buon modello del propensity score dimostra una buona analisi causale?
- Non da solo. Contano anche sovrapposizione, misurazione e ipotesi sul confondimento.
- Le persone non abbinate sono irrilevanti?
- No. La loro esclusione può modificare la popolazione a cui si applica l’inferenza.