DAG y modelos de regresión

Un grafo dirigido acíclico (DAG) es una guía para construir un modelo de regresión que pueda estimar efectos causales. Representa visualmente tus supuestos y muestra qué variables debes controlar para aislar la relación que te interesa. Por ejemplo, para comprobar si unas zapatillas nuevas para correr permiten conseguir tiempos más rápidos en una carrera, un DAG te recuerda que debes controlar las horas de entrenamiento de quien corre, que influyen tanto en la elección de las zapatillas como en la velocidad. Sin este mapa, podrías obtener resultados engañosos.

Prueba esto: Antes de un análisis, dibuja tus supuestos sobre cómo influyen unas variables en otras.

Usar un grafo dirigido acíclico (DAG) te permite traducir tu teoría causal en la especificación de un modelo estadístico. Así te aseguras de que el modelo refleje tus supuestos sobre la realidad y evitas errores comunes que surgen al incluir o excluir las variables equivocadas.

El objetivo principal es estimar estadísticamente el efecto causal total de un tratamiento sobre un resultado. Para ello, debes usar el DAG para identificar y bloquear rutas alternativas no causales, conocidas como «rutas de puerta trasera», y dejar abiertas las rutas causales. Esto implica seguir unas reglas clave para seleccionar las variables.

Primero, debes controlar los factores de confusión. Son variables que causan tanto el tratamiento como el resultado. En un estudio sobre el efecto de un curso de gestión en el éxito de los proyectos, la experiencia de quien los dirige es un posible factor de confusión. Quienes tienen más experiencia pueden tener más probabilidades de hacer el curso y también de dirigir proyectos exitosos. Incluir esta variable en el modelo bloquea esa ruta no causal.

Segundo, no debes controlar los colisionadores. Un colisionador es una variable que es un efecto común de otras dos variables. Por ejemplo, imagina que tanto la creatividad como las habilidades técnicas aumentan las posibilidades de que una persona consiga un ascenso en el trabajo. Aquí, el ascenso es un colisionador. Si estudias solo a quienes han ascendido, es decir, si controlas el ascenso, puedes crear una asociación espuria entre la creatividad y las habilidades técnicas, aunque no estén relacionadas en la población general.

Tercero, no debes controlar los mediadores si tu objetivo es estimar el efecto causal total. Un mediador es una variable situada en la ruta causal entre el tratamiento y el resultado. Controlarlo bloquearía parte del efecto que quieres medir y te daría solo el efecto directo. También debes evitar controlar cualquier variable descendiente de un colisionador.

El resultado es un modelo de regresión con una lista precisa de las variables que debes incluir: el tratamiento, el resultado y todos los factores de confusión necesarios. Este método te da una base mucho más sólida para interpretar tus estimaciones estadísticas como causales.

Los grafos dirigidos acíclicos (DAG) ofrecen un lenguaje formal para traducir los supuestos causales en criterios específicos para seleccionar variables de control en los modelos estadísticos [1, 4].

• La herramienta principal para hacer esta traducción es el «criterio de la puerta trasera», que proporciona una regla gráfica para identificar un conjunto de variables que, si se controlan, permiten obtener una estimación sin sesgo de un efecto causal [1, 2]. [1] (2009)
• Los DAG también hacen explícito el riesgo del «sesgo de colisionador», una forma de sesgo de selección endógena que surge al controlar un efecto común de otras dos variables y que puede crear asociaciones espurias [3]. (2014)

La validez de un análisis basado en un DAG depende de la validez de los supuestos causales que representa el propio grafo. Si el DAG representa incorrectamente la realidad, por ejemplo, si falta una flecha causal o apunta en la dirección equivocada, el modelo de regresión resultante estará mal especificado. Además, los DAG pueden identificar qué variables necesitas controlar, pero no pueden ayudarte si te faltan datos sobre un factor de confusión clave: una situación conocida como confusión no medida.