Il processo che porta alla convinzione di una relazione causa-effetto si verifica quotidianamente, ma spesso la mente umana incorre inevitabilmente ad approssimazioni, ricadendo in grossolani errori. Se da una parte questi errori non comportano gravi conseguenze quando si verificano nella vita di tutti i giorni, dall’altra rappresentano una criticità non trascurabile per coloro che operano nel campo della ricerca sperimentale. L'inferenza causale è un processo alla base della pratica sperimentale e per questo motivo, in psicologia, come nelle altre scienze, è necessario che le analisi statistiche inferenziali prevedano una serie di accorgimenti per tenere conto di eventuali bias nella selezione del campione, specie in studi osservazionali. Una possibile soluzione è ricorrere a metodi basati sul propensity score: grazie ad essi è possibile ristabilire la probabilità di inclusione dei soggetti nel campione ed aggiustare eventuali bias di selezione. Le tecniche di propensity score permettono di aggiustare le usuali analisi statistiche inferenziali, in modo da valutare la presenza di nessi casuali. Per valutare l'effetto delle tecniche di propensity score, è stato utilizzato un database di larghe dimensioni (studio SHARE) condotte sulla base di alcune ipotesi relative al decadimento cognitivo ed abitudine al fumo.

Inferenza causale utilizzando tecniche di propensity score: un'analisi del database SHARE

SITÀ, LAURA
2021/2022

Abstract

Il processo che porta alla convinzione di una relazione causa-effetto si verifica quotidianamente, ma spesso la mente umana incorre inevitabilmente ad approssimazioni, ricadendo in grossolani errori. Se da una parte questi errori non comportano gravi conseguenze quando si verificano nella vita di tutti i giorni, dall’altra rappresentano una criticità non trascurabile per coloro che operano nel campo della ricerca sperimentale. L'inferenza causale è un processo alla base della pratica sperimentale e per questo motivo, in psicologia, come nelle altre scienze, è necessario che le analisi statistiche inferenziali prevedano una serie di accorgimenti per tenere conto di eventuali bias nella selezione del campione, specie in studi osservazionali. Una possibile soluzione è ricorrere a metodi basati sul propensity score: grazie ad essi è possibile ristabilire la probabilità di inclusione dei soggetti nel campione ed aggiustare eventuali bias di selezione. Le tecniche di propensity score permettono di aggiustare le usuali analisi statistiche inferenziali, in modo da valutare la presenza di nessi casuali. Per valutare l'effetto delle tecniche di propensity score, è stato utilizzato un database di larghe dimensioni (studio SHARE) condotte sulla base di alcune ipotesi relative al decadimento cognitivo ed abitudine al fumo.
2021
Causal inference using prepensity score techniques: an analysis of the SHARE database
inferenza causale
propensity score
database SHARE
File in questo prodotto:
File Dimensione Formato  
Sità_Laura.pdf

accesso aperto

Dimensione 847.24 kB
Formato Adobe PDF
847.24 kB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/30405