Definición
Una variable de confusión (o confundidor) es un factor extraño que se correlaciona tanto con la intervención que se evalúa como con el resultado de interés, creando una asociación espuria que puede llevar a conclusiones causales incorrectas. Los confundidores amenazan la validez interna de una evaluación al hacer parecer que la intervención causó un resultado cuando, de hecho, el efecto observado puede deberse a la variable de confusión.
Por ejemplo, al evaluar el impacto de un programa de capacitación laboral en el empleo, el nivel socioeconómico podría ser un confundidor: las personas de entornos socioeconómicos más altos pueden ser más propensas a inscribirse en el programa Y ser más propensas a encontrar empleo independientemente de la capacitación. Sin tener en cuenta este confundidor, la evaluación sobreestimaría el verdadero impacto del programa.
Identificar y controlar los confundidores es esencial para una inferencia causal creíble y una atribución precisa de los resultados a las intervenciones en lugar de a otros factores.
Por Qué Importa
Las variables de confusión son el principal obstáculo para establecer afirmaciones causales en M&E. Sin abordar los confundidores, las evaluaciones corren el riesgo de:
- Sobreestimar el impacto — atribuir resultados a la intervención que en realidad fueron causados por diferencias preexistentes entre participantes y no participantes
- Subestimar el impacto — enmascarar un efecto real porque un confundidor actuó en dirección opuesta
- Sacar conclusiones incorrectas — llevando a decisiones sobre escalar, modificar o terminar programas basadas en evidencia defectuosa
Por eso los diseños cuasi-experimentales y las evaluaciones de impacto dedican atención sustancial a la identificación y control de confundidores. La amenaza de la confusión es lo que distingue el análisis causal riguroso de las comparaciones simples antes-después o del reporte de resultados solo de participantes.
Entender los confundidores también es crítico para interpretar cualquier evaluación que afirme efectos causales. Al leer una evaluación de impacto, la primera pregunta debería ser: "¿Qué confundidores consideraron los evaluadores, y cómo los controlaron?"
En La Práctica
Los confundidores aparecen en programas en todos los sectores. Ejemplos comunes incluyen:
- Intervenciones de salud: La edad, el estado de salud de la línea de base y el acceso a la atención médica confunden la relación entre un programa de nutrición y los resultados de salud infantil
- Programas educativos: El rendimiento académico previo y la educación de los padres confunden la relación entre tutorías y puntajes de pruebas
- Desarrollo económico: El acceso al mercado y la calidad de la infraestructura confunden la relación entre capacitación empresarial y crecimiento de ingresos
Abordar los confundidores requiere estrategias basadas en diseño o en análisis:
- Diseños aleatorizados eliminan la confusión mediante asignación aleatoria (aunque la pérdida de participantes puede reintroducir la confusión)
- Diseños cuasi-experimentales usan técnicas como emparejamiento por puntaje de propensión, discontinuidad de regresión o diferencias en diferencias para aproximar la aleatorización
- Controles estadísticos incluyen ajuste de regresión, estratificación o emparejamiento en confundidores observados
- Análisis de sensibilidad evalúa qué tan robustos son los hallazgos ante confundidores no observados
La clave es identificar confundidores potenciales durante el diseño de la evaluación (a través de teoría y análisis de contexto) y seleccionar estrategias de control apropiadas antes de que comience la recolección de datos.
Temas Relacionados
- Sesgo — categoría más amplia de errores sistemáticos que incluye la confusión
- Inferencia causal — el marco para establecer relaciones de causa-efecto
- Sesgo de selección — un tipo específico de confusión por asignación no aleatoria
- Diseño cuasi-experimental — métodos para controlar confundidores sin aleatorización
- Evaluación de impacto — evaluaciones diseñadas específicamente para establecer efectos causales
- Contrafactual — la comparación necesaria para aislar los efectos de la intervención de los confundidores
- Atribución vs Contribución — distinguir afirmaciones causales de historias de contribución
Lecturas Adicionales
- Inferencia Causal en Estadística: Una Introducción — Pearl, Drman, y Glymour. Introducción accesible a la confusión y el razonamiento causal.
- Diseñando Evaluaciones de Impacto Cuasi-Experimentales — Iniciativa Internacional para Evaluaciones de Impacto (3ie). Orientación práctica sobre el control de confundidores.
- ¿Qué es un Confundidor? — BMJ. Explicación concisa de epidemiología clínica con ejemplos.
Referencias de Datos (poblado durante la producción)
- Indicadores: 8 indicadores en 3 marcos de donantes se relacionan con el control de confusión en el diseño de evaluación