CENEVAL INVESTIGA 23
Los dos métodos anteriores dejan a un individuo del gru - po sin tratamiento sin emparejar, lo que plantea un dilema entre el sesgo y la varianza. Por un lado, disminuye el sesgo al comparar el grupo con y sin tratamiento, ya que después del emparejamiento tienen menos distancia entre sus puntua - ciones de propensión. Sin embargo, al descartar individuos del grupo sin tratamiento aumentaría la varianza, porque se analizarían relativamente menos sujetos y lo anterior llevaría a disminuir la confianza en la comparación entre los grupos. Por otra parte, aunque no fue el caso en la tabla 1, también puede ocurrir que personas del grupo con tratamiento se queden sin emparejar, lo que podría aumentar el sesgo y plantear dificul - tades en la interpretación, principalmente porque no todos los individuos tratados serían analizados.
Emparejamiento completo
Un método más flexible que los mencionados en la sección anterior es el método de emparejamiento completo ( full mat - ching ), el cual tiene la ventaja de utilizar todos los datos dispo - nibles al conformar grupos de individuos emparejados, en los que por lo menos existe un individuo tratado y por lo menos un individuo sin tratar para la comparación. El emparejamien- to completo conforma los grupos de manera óptima, de modo que si un individuo tratado tiene múltiples parejas potenciales (i.e. personas con puntuación de propensión similar), se define un conjunto que se constituye por un individuo tratado y múl - tiples no tratados. Asimismo, si un individuo no tratado tiene pocas parejas potenciales, sería agrupado con relativamente menos individuos. Con los datos de la tabla 1, el empareja - miento completo daría los siguientes conjuntos: {Aab}, {Bcd} y {CDe}, que tendrían una distancia global de .07 (.02 + 0 + .02 + .01 + .01 + .01 = .07). Así, se observa que el método de
Made with FlippingBook - professional solution for displaying marketing and sales documents online