Inferencia Causal con Datos de Encuestas: Un Marco Robusto para la Ponderación por Puntuación de Propensión en...

Área de la Ciencia:

• Estadística
• Epidemiología
• Inferencia Causal

Sus antecedentes:

• El confounding y el sesgo de selección son desafíos importantes en la inferencia causal observacional.
• Los métodos existentes a menudo no abordan ambos sesgos simultáneamente o asumen la representatividad de los datos.
• El sesgo de selección, introducido durante la recopilación de datos, se pasa por alto con frecuencia.

Objetivo del estudio:

• Proponer un marco de ponderación unificado para abordar simultáneamente el confounding y el sesgo de selección.
• Desarrollar un procedimiento de inferencia robusto para los efectos promedio del tratamiento ponderados por la población.
• Extender el marco a datos no probabilísticos utilizando información auxiliar de muestras de probabilidad externas.

Principales métodos:

• Se desarrolló un marco de ponderación por puntuación de propensión ponderada por encuestas.
• Se propuso un procedimiento de inferencia doblemente robusto.
• Se extendió el método para datos no probabilísticos con confundidores parcialmente observados en muestras externas.
• Se investigó el papel de variables clave en datos externos para la heterogeneidad del efecto del tratamiento y los mecanismos de selección.
• Se exploró la combinación de información auxiliar de múltiples muestras de probabilidad.

Principales resultados:

• El marco propuesto de ponderación por puntuación de propensión ponderada por encuestas aborda eficazmente tanto el confounding como el sesgo de selección.
• El método proporciona una estimación doblemente robusta para los efectos promedio del tratamiento ponderados por la población.
• Las extensiones manejan con éxito datos no probabilísticos utilizando información auxiliar, incluso con confundidores parcialmente observados.
• Se identificaron variables externas cruciales relacionadas con la heterogeneidad del efecto del tratamiento y la selección.
• Las simulaciones y la aplicación en el mundo real confirmaron la superioridad sobre la ponderación estándar por puntuación de propensión.

Conclusiones:

• El marco de ponderación unificado ofrece un enfoque poderoso para mitigar el sesgo en la inferencia causal observacional.
• El método mejora la fiabilidad de los hallazgos de muestras de encuestas probabilísticas y no probabilísticas.
• Este trabajo proporciona soluciones prácticas para escenarios de datos complejos en la investigación de inferencia causal.