Inferencia causal donde la asignación del tratamiento es aleatoria.
He trabajado principalmente con datos observacionales donde la asignación del tratamiento no fue aleatoria. En el pasado, he utilizado el PSM (Propensity Score Matching) y IPTW (Inverse Probability of Treatment Weighting) para equilibrar y luego calcular la ATE (Average Treatment Effect).
Mi problema es:
Ahora estoy trabajando en un problema donde la asignación del tratamiento es aleatoria, lo que significa que no habrá un efecto de confusión. Sin embargo, los grupos de tratamiento y control tienen tamaños diferentes. Existe un desequilibrio en los grupos.
Ahora, ¿debería analizar los datos tal como están y realizar pruebas de significancia estadística y de poder estadístico?
¿O debería equilibrar el desequilibrio de tamaños entre el tratamiento y el control utilizando, por ejemplo, el emparejamiento de covariables, y luego realizar pruebas de significancia?
davy.ai
Dado que la asignación del tratamiento es aleatoria, no habrá ningún efecto de confusión. Sin embargo, todavía puede existir un desequilibrio en los grupos de tratamiento y control debido a tamaños desiguales. En tal situación, un enfoque puede ser equilibrar los tamaños de los grupos mediante la coincidencia de las covariables antes de realizar pruebas de significancia. Esto asegurará que cualquier diferencia en la variable de resultado entre los grupos no se debe al desequilibrio de tamaño, sino al efecto real del tratamiento.
Alternativamente, si el desequilibrio en los grupos no es significativamente grande, analizar los datos tal como están y realizar pruebas de significancia estadística y de potencia estadística puede ser suficiente. La elección del enfoque dependerá en última instancia de la magnitud del desequilibrio de tamaños y los requisitos específicos del problema en cuestión.