Propensity score con covariate parzialmente osservate: confronto di diverse strategie di imputazione e modelli in termini di bilanciamento del campione, senza considerare l'outcome

Per questo progetto come metodi di imputazione dei dati mancanti sono stati scelti la CCA, SI e MI.

Il matching sarà effettuato sia con il metodo NNM con un rapporto 1:1 ed un caliper di 0.2 che con il metodo FM e verranno utilizzati come indici di bilanciamento della singola covariata la differenza media standardizzata (SMD), il rapporto della varianza (VR) e test di Kolmogorov-Smirnov (KS); mentre per valutare il bilanciamento di tutte le covariate verrà utilizzato l'indice L1 di Iacus e Cstatistic.

Per gli indici di bilanciamento di una singola covariata è stata calcolata la media dei valori degli indici rilevati in tutte le covariate al fine di renderli confrontabili con gli indici di bilanciamento overall [13].

Verranno quindi ricavati gli indici di bilanciamento dei dataset imputati secondo le tre strategie nella loro versione originale, quella matchata con il metodo NNM e quella matchata con il metodo FM, ottenendo così 9 valori per ogni indice di bilanciamento.

L'imputazione e il matching dei 9 dataset sono stati svolti 1000 volte. Per i dataset imputati con CCA e SI sono stati impostati 1000 seme differente per ogni simulazione, mentre per l'MI, dove sono stati imputati 10 dataset per le 1000 simulazioni, sono stati impostati 10000 semi al fine di rendere riproducibili i risultati.