Il propensity score matching è un insieme di tecniche statistico-matematiche utilizzate negli studi osservazionali per creare gruppi (e.g., gruppo intervento e gruppo controllo) che siano tra loro comparabili così che la stima dell’effetto causale, vale a dire la relazione causa-effetto tra intervento ed outcome, non sia affetta da bias di selezione o da bias generati dalla presenza di fattori confondenti. Lo scopo di questa lezione è di presentare un insieme di tecniche di matching da applicare dopo aver calcolato il propensity score. Alla fine di questa lezione sarai in grado di conoscere le principali tecniche di matching, il loro funzionamento ed i rispettivi vantaggi e limitazioni così da poter scegliere la tecnica più opportuna per il tuo studio di ricerca.
Propensity Score Matching: elementi chiave
L'obiettivo di tutte le tecniche di matching è di creare attraverso l’utilizzo del propensity score, gruppi (e.g. gruppo intervento e gruppo controllo) che siano tra loro simili rispetto alle covariate e ai fattori confondenti. Si tratta di una procedura di "rimodellizazione" dei gruppi che serve per far sì che i gruppi abbiano pressoché le medesime caratteristiche e siano pertanto comparabili.
Per poter creare questi gruppi similari si abbinano – da cui la parola inglese matching – le unità statistiche (e.g., soggetti) del gruppo intervento con una o più unità statistiche del gruppo controllo o viceversa. La quantità di unità statistiche abbinate (abbinamento 1:1 o 1-a-molti) dipende dalla numerosità campionaria dei gruppi, dalla modalità di matching applicata e dalla similarità tra le unità statistiche dei gruppi. Se ad esempio il gruppo intervento ha una dimensione campionaria inferiore a quella del gruppo controllo (situazione frequente negli studi osservazionali), l’abbinamento può essere del tipo 1:1 (ad ogni unità statistica del gruppo intervento corrisponde una sola unità statistica del gruppo controllo) oppure 1-a-molti (ad ogni unità statistica del gruppo intervento corrispondono una o più unità statistiche del gruppo controllo).
Il matching viene eseguito abbinando le unità statistiche/soggetti del gruppo intervento e del gruppo controllo secondo il loro livello di similarità. La misura per definire quanto un’unità statistica del gruppo intervento è simile ad un’unità statistica del gruppo controllo è il propensity score, ossia la probabilità che ciascuna unità statistica ha di essere assegnata al gruppo intervento o controllo tenendo conto di alcune delle sue caratteristiche di base (i.e., covariate).
I benefici derivanti da questo approccio sono molteplici:
- Si riduce il rischio di selection bias in quanto si creano gruppi che sono simili rispetto alle covariate;
- Si aumenta la validità interna dello studio in quanto si eliminano i fattori confondenti che possono alterare i risultati. Ciò si traduce in maggiore affidabilità e generalizzabilità dei risultati;
- Si migliora l’interpretazione della relazione causa-effetto in quanto si minimizzano le differenze tra gruppi così che l’effetto osservato è diretta conseguenza dell’intervento (i.e., causa).
Tecniche di matching
Punto di partenza di tutte le tecniche di matching è il propensity score: per poter applicare una di queste tecniche è necessario disporre del valore di propensity score per ciascuna delle unità statistiche. Quando si utilizzano software statistici quali STATA, R o Python, il calcolo del propensity score viene eseguito direttamente dal software quando si implementa la tecnica di matching prescelta. È
Continue reading...
Please Login to see full post.
