Sesgo en M

El sesgo en M es un problema difícil de detectar: ocurre cuando los investigadores ajustan por una variable que parece útil, pero que en realidad empeora su análisis. Esa variable aparece en el centro de un diagrama con forma de M, con dos causas invisibles que apuntan hacia ella desde arriba. Lo más seguro es ajustar por variables que se sabe que causan el factor que estudias o el resultado que mides, y no simplemente por cualquier variable que se correlacione con ambos. Fíjate en esto: las variables más peligrosas de tu análisis son las que parecen más inofensivas.

El sesgo en M revela algo que va en contra de la intuición: a veces, ajustar por más variables hace que tus respuestas sean menos precisas. En una estructura en M clásica, tanto la exposición como el resultado tienen sus propias causas no medidas, y esas dos causas afectan a una tercera variable: el colisionador. Al dibujarlo en un diagrama, aparece una M. El colisionador está abajo, en el centro, y recibe flechas de dos variables no medidas que también apuntan, respectivamente, a la exposición y al resultado.

Las implicaciones prácticas van mucho más allá del ámbito académico. Al evaluar políticas públicas, ajustar por las «condiciones del barrio» al analizar un programa de vivienda podría crear sesgo si esas condiciones son consecuencia de factores distintos, anteriores a la intervención, que afectan tanto a la ubicación del programa como a los resultados. La idea clave: es peligroso ajustar por variables que aparecen como consecuencias dentro de tu sistema causal.

El análisis de sensibilidad de Ding y Miratrix muestra que, en los modelos lineales, la magnitud del sesgo en M tiende a ser relativamente pequeña en comparación con el sesgo real por confusión. Esto sugiere que, cuando no tienes claro el papel de una variable, suele ser más seguro ajustar por posibles factores de confusión que evitar por completo el ajuste. Sin embargo, el sesgo puede seguir siendo considerable en contextos no lineales o cuando el colisionador está fuertemente asociado con sus causas.

La estrategia más segura sigue el «criterio de causa disyuntiva» de VanderWeele: ajustar por variables que se sabe que causan la exposición, el resultado o ambos. El criterio en sí consiste en ajustar por variables que se sabe que causan la exposición, el resultado o ambos. Cómo tratar las variables que se sabe que son instrumentos puros es una decisión de modelado aparte; no es lo que hace que este criterio proteja frente al sesgo en M. La documentación del paquete ggdag de R ilustra estructuras de sesgo similares, incluidos patrones de sesgo en M.

El sesgo en M corresponde a una estructura específica de un grafo acíclico dirigido (DAG), en la que un colisionador anterior a la intervención genera sesgo al condicionar por él. Pearl formalizó esta estructura en la literatura sobre inferencia causal. La estructura consta de dos variables no medidas: una causa la exposición y el colisionador, y la otra causa el resultado y el colisionador. Al ajustar por este colisionador, se abre un camino de puerta trasera A ← U1 → C ← U2 → Y, donde C es el colisionador y U1 y U2 son variables no medidas.

• Ding y Miratrix (2015): En los modelos de ecuaciones estructurales lineales, la magnitud del sesgo en M tiende a ser relativamente pequeña en comparación con el sesgo por confusión. Esto sugiere que ajustar por un posible colisionador de una estructura en M suele ser menos perjudicial que no ajustar por un verdadero factor de confusión [1].
• VanderWeele (2019): El «criterio de causa disyuntiva» —ajustar por variables que causan la exposición, el resultado o ambos— evita el sesgo en M y, al mismo tiempo, controla la confusión, ya que excluye los colisionadores que no causan ni la exposición ni el resultado [2].
• Elwert y Winship (2014): El sesgo de colisionador es una categoría más amplia de sesgo de selección que incluye el sesgo en M como caso particular; condicionar por colisionadores, o por sus descendientes, siempre induce una asociación entre sus causas [3].

La estructura en M se distingue de la confusión clásica porque el colisionador (M) no tiene ningún efecto causal sobre la exposición ni sobre el resultado: es simplemente un efecto común. Esto difiere del «sesgo de mariposa» o «sesgo de corbatín», en el que la variable es a la vez un colisionador y un verdadero factor de confusión.

El sesgo en M supone que puedes identificar correctamente la estructura causal, algo que rara vez es posible en la práctica. En el mundo real, las variables suelen desempeñar varios papeles a la vez: una variable podría actuar ligeramente como factor de confusión Y como colisionador. Los resultados teóricos que describen el sesgo en M como «pequeño» dependen de modelos lineales y de supuestos específicos sobre las distribuciones que quizá no se cumplan en tus datos. Cuando los efectos no son lineales o existen interacciones, el sesgo de colisionador puede ser considerablemente mayor. Además, estos resultados suponen una medición perfecta. Si las variables se miden con error, como ocurre casi siempre, ajustar incluso por verdaderos factores de confusión puede no bloquear por completo los caminos de puerta trasera, y la distinción entre factores de confusión y colisionadores se vuelve menos clara. La limitación más importante es que rara vez sabes si existen variables no medidas o cuál es la verdadera estructura causal: la calidad del razonamiento basado en DAG depende de tu conocimiento del ámbito que estudias.