Metodi di bilanciamento in presenza di trattamenti multipli: MARMoT e Template Matching a confronto

Al fine di fare inferenza causale la tipologia prediletta di studio risulta essere il trial randomizzato: quando questo non risulta possibile gli studi osservazionali sono l'unica possibilità per studiare un fenomeno di interesse. In questo caso però bisogna correggere le distorsioni introdotte dal bias di autoselezione. A questo fine in letteratura sono stati approfonditamente esplorati metodi di propensity score, che sono però idonei solo a trattamenti dicotomici e ne è difficile l'estensione a situazioni di trattamenti multipli. Specificatamente a questo fine sono stati quindi sviluppati due metodi: MARMoT e Template Matching. In questo lavoro si presenta un confronto tra le due tecniche, in cui si valutano le loro prestazioni in molteplici scenari generati attraverso un estesi studi di simulazione. Il fine è quello di determinare in quali situazioni, e con quali paramentri di tuning, quale metodo risulti più idoneo. Viene inoltre documentato lo sviluppo del pacchetto R "MARMoT" che contiene le funzioni per l'omonimo metodo, per il calcolo dell'absolute standardized bias e per il calcolo dell'average rank attraverso l'approssimazione di De Loof.