📊 statistics

Weighted Extensions of the Kolmogorov-Smirnov, Cramer-von Mises, and Anderson-Darling Tests for Assessing Covariate Balance

Questo articolo estende i test di Kolmogorov-Smirnov, Cramer-von Mises e Anderson-Darling per accomodare dati pesati per la valutazione del bilanciamento delle covariate nell'inferenza causale, dimostrando attraverso simulazioni che queste versioni pesate mantengono un controllo valido dell'errore di Tipo I e preservano i rispettivi vantaggi di potenza contro diversi tipi di discrepanza, con il test di Anderson-Darling raccomandato come un predefinito robusto e generalizzato.

Autori originali: Ariel Linden

Pubblicato 2026-07-27

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Ariel Linden

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immagina di essere un detective che cerca di risolvere un mistero: un nuovo medicinale ha funzionato davvero, o i pazienti erano semplicemente più sani fin dall'inizio? Nel mondo della scienza, questo si chiama "inferenza causale". Per esserne certi, è necessario confrontare due gruppi di persone: coloro che hanno ricevuto il trattamento e coloro che non lo hanno ricevuto. Se i gruppi sono perfettamente appaiati — come gemelli per altezza, peso ed età — qualsiasi differenza nella loro salute successiva può essere attribuita al medicinale. Ma nella vita reale, non sempre possiamo condurre esperimenti perfetti dove le persone vengono assegnate casualmente. Invece, gli scienziati usano spesso un trucco astuto chiamato "pesatura". Immaginalo come una bilancia digitale di un supermercato. Se il gruppo "trattato" ha troppe persone pesanti e il gruppo "non trattato" ha troppe persone leggere, lo scienziato assegna un "peso" a ciascuna persona. Una persona leggera nel gruppo pesante riceve un peso grande (come un contrappeso pesante), mentre una persona pesante nel gruppo leggero riceve un peso minuscolo. Questo costringe matematicamente i due gruppi ad apparire bilanciati.

Ma ecco la parte complicata: anche se il peso medio sembra lo stesso, non significa che i gruppi siano davvero identici. Immagina due sacchi di biglie. Un sacco ha dieci biglie da 1 libbra. L'altro ha cinque biglie da 1 libbra e cinque biglie da 2 libbre. Se guardi solo la media, potrebbero sembrare simili, ma la distribuzione dei pesi è totalmente diversa. Gli scienziati devono controllare se l'intera forma dei dati corrisponde, non solo la media. Per anni, hanno avuto strumenti per controllare questo, ma quegli strumenti si sono rotti quando si cercava di usarli su questi sacchi di biglie "pesati". Non riuscivano a gestire i contrappesi digitali. Questo articolo riguarda la riparazione di questi strumenti affinché funzionino perfettamente, anche quando i dati sono stati modificati con i pesi.

Il documento introduce tre nuove versioni aggiornate di classici "test di bilanciamento" che possono gestire i dati pesati. Gli autori, guidati da Ariel Linden, hanno preso tre famosi metodi statistici — il Kolmogorov–Smirnov (KS), l'Anderson–Darling (AD) e il Cramér–von Mises (CVM) — e hanno insegnato loro come leggere i pesi. Non si sono limitati a indovinare come fare; hanno costruito un nuovo metodo di "shuffling" (rimescolamento) universale. Immagina di avere un mazzo di carte in cui alcune carte hanno degli adesivi pesanti. Inveve di cercare di capire perché ci siano gli adesivi, il nuovo metodo semplicemente rimescola le etichette (chi appartiene a quale gruppo) mantenendo le carte e i loro adesivi esattamente dove sono. Facendo questo migliaia di volte, possono vedere se le differenze che osservano sono reali o solo un caso.

I ricercatori hanno testato questi nuovi strumenti in una massiccia simulazione al computer. Hanno creato quattro diversi scenari per vedere come si comportavano gli strumenti. Per prima cosa, hanno controllato se gli strumenti davano falsi allarmi (errore di Tipo I) quando i gruppi erano in realtà identici. I risultati sono stati eccellenti: tutti e tre gli strumenti sono rimasti molto vicini al corretto tasso di errore del 5%, il che significa che non hanno dato l'allarme del lupo quando il lupo non c'era.

Poi, hanno testato gli strumenti contro tre diversi tipi di "discrepanze" tra i gruppi:

La Discrepanza Centrale: Immagina che i gruppi siano identici ovunque tranne che proprio nel mezzo, come due folle dove tutti nel centro indossano magliette rosse in un gruppo e blu nell'altro. In questo caso, il test Kolmogorov–Smirnov (KS) è stato il chiaro vincitore. È come un detective che guarda solo per il singolo divario più grande; ha trovato la discrepanza centrale più velocemente di chiunque altro.
La Discrepanza nelle Code: Immagina che i gruppi siano identici nel mezzo, ma le persone "estreme" (i molto alti o i molto bassi) siano diverse. Questo è come se un gruppo avesse alcuni giganti e l'altro alcuni nani. In questo caso, il test Anderson–Darling (AD) è stato schiacciantemente il migliore. È come un detective che presta particolare attenzione ai bordi della stanza. Il test KS non si è quasi accorto di questo problema.
La Discrepanza Diffusa: Immagina che i gruppi siano leggermente diversi ovunque, come se un gruppo fosse solo generalmente un po' più alto dell'altro in generale. In questo caso, sia i test AD che CVM hanno performato molto bene ed erano quasi in pareggio, mentre il test KS restava indietro.

L'articolo ha anche esaminato cosa succede quando i "pesi" stessi sono molto disordinati e variano molto (simulando dati del mondo reale dove alcune persone ricevono pesi enormi e altre pesi minuscoli). Anche con questo caos, gli strumenti hanno retto. Il test AD è rimasto il migliore nel individuare i problemi nelle code, e il test KS è rimasto il migliore per i problemi centrali.

Quindi, qual è il punto per uno scienziato? Se sospetti che i gruppi siano diversi proprio nel mezzo, usa il test KS. Se sei preoccupato per gli estremi (le code), il test AD è il tuo migliore amico. Se non sei sicuro di dove possa essere la differenza, o se pensi che la differenza sia diffusa ovunque, il test AD è una scelta "di default" sicura e affidabile che funziona bene in quasi tutte le situazioni, spesso superando gli altri. Gli autori hanno persino inserito questi strumenti in comandi software (per un programma chiamato Stata) in modo che altri ricercatori possano usarli immediatamente.

In breve, questo articolo non ha solo inventato nuovi strumenti; ha riparato quelli vecchi e rotti affinché possano gestire i dati pesati e disordinati che la scienza del mondo reale produce. Ha confermato che, sebbene nessun singolo strumento sia perfetto per ogni lavoro, il test Anderson–Darling è l'elemento più versatile "tuttofare" per verificare se due gruppi sono davvero bilanciati, specialmente quando ci si preoccupa degli estremi.

Sintesi Tecnica: Estensioni Pesate dei Test di Goodness-of-Fit Distribuzionale per il Bilanciamento delle Covariate

Problematica
La valutazione del bilanciamento delle covariate è una fase diagnostica fondamentale nel paradigma dell'inferenza causale, necessaria per sostenere l'assunto che le caratteristiche non misurate non confondano significativamente le stime degli effetti del trattamento. Sebbene il bilanciamento venga spesso ottenuto attraverso aggiustamenti post-hoc come la ponderazione tramite propensity score, l'entropy balancing o la stratificazione, le pratiche diagnostiche attuali si affidano pesantemente a misure riassuntive come la differenza media standardizzata (SMD) e i rapporti di varianza. Queste statistiche riassuntive possied ability un limite critico: mirano solo a punti specifici della distribuzione di una covariata (ad esempio, la media o la varianza) e sono intrinsecamente incapaci di rilevare differenze distribuzionali in termini di asimmetria, localizzazione della massa o comportamento delle code che non influenzano tali momenti specifici.

I test di goodness-of-fit distribuzionale basati sulla funzione di distribuzione empirica cumulativa (ECDF) — specificamente i test di Kolmogorov–Smirnov (KS), Cramér–von Mises (CVM) e Anderson–Darling (AD) — offrono un'alternativa più completa confrontando intere distribuzioni. Tuttavia, fino a questo lavoro, tali test erano disponibili solo per dati non pesati. Questa lacuna ne ha impedito l'applicazione proprio in quegli scenari in cui il bilanciamento distribuzionale è più critico: analisi pesate volte a equiparare i gruppi trattati e di confronto.

Metodologia
Il documento estende i test KS, CVM e AD per accomodare pesi di caso di qualsiasi origine. L'innovazione metodologica centrale è una procedura di inferenza tramite permutazione delle etichette che tratta il peso di un'osservazione come un attributo fisso piuttosto che come una quantità legata a un meccanismo di stima specifico. Questo approccio non richiede assunzioni su come i pesi siano stati generati, consentendo l'applicazione dei test a qualsiasi schema di ponderazione (ad esempio, inverse probability of treatment weighting, entropy balancing) senza modifiche.

Le statistiche pesate sono definite come segue:

KS pesato ( $D^w$ ): La distanza assolca massima verticale tra le ECDF pesate dei due gruppi.
CVM pesato ( $CVM^w$ ): La somma dei quadrati delle discrepanze tra le ECDF pesate attraverso valori distinti, senza standardizzazione della varianza.
AD pesato ( $AD^w$ ): La somma dei quadrati delle discrepanze standardizzate dalla varianza sotto l'ipotesi nulla. Fondamentalmente, la dimensione del campione $N$ nel termine di varianza è sostituita dalla dimensione effettiva del campione di Kish ( $n_e$ ) per tenere conto del contenuto informativo del campione pesato. Il moltiplicatore dei legami (tie multiplier) rimane il conteggio grezzo delle osservazioni che condividono un valore.

L'inferenza è condotta tramite permutazione delle etichette: le etichette dei gruppi vengono rimescolate casualmente tra $N$ osservazioni mantenendo fissi il valore e il peso di ogni osservazione. Il $p$ -value è derivato dalla proporzione di statistiche permutate che eccedono la statistica osservata.

Disegno dello Studio di Simulazione
Uno studio di simulazione è stato condotto per valutare se i noti vantaggi comparativi dei test non pesati persistano sotto ponderazione. Sono stati costruiti quattro scenari:

Nulla: Nessuna discrepanza (per valutare l'errore di Tipo I).
Discrepanza Localizzata Centralmente: Uno spostamento confinato nell'intervallo interquartile.
Discrepanza Localizzata nelle Code: Uno spostamento confinato nelle code estreme.
Discrepanza Diffusa: Uno spostamento uniforme attraverso l'intera distribuzione.

Lo studio ha variato le dimensioni del campione ( $n = 1.000$ a $4.000$) e la variabilità dei pesi (target del rapporto della dimensione effettiva di Kish $r_e = 0,6$ , con controlli di sensibilità da $0,2 $a$ 0,9$).

Risultati Chiave

Controllo dell'Errore di Tipo I: In tutti gli scadenziamenti dimensionali e sotto sostanziale variabilità dei pesi, tutti e tre i test pesati hanno controllato l'errore di Tipo I vicino al livello nominale del 5%. Ciò conferma che la procedura condivisa di permutazione delle etichette calibra efficacemente la distribuzione nulla senza richiedere assunzioni sulla generazione dei pesi.
Discrepanza Localizzata Centralmente: Il test KS ha dimostrato la potenza più elevata, superando significativamente sia AD che CVM. Ciò si allinea con l'aspettativa teorica che il KS sia più sensibile a una singola e grande divergenza localizzata.
Discrepanza Localizzata nelle Code: Il test AD è stato schiacciantemente il più potente, superando significativamente sia KS che CVM. KS e CVM sono rimasti vicini ai loro tassi di errore di Tipo I, fallendo nel rilevare la discrepanza nelle code. Ciò conferma la sensibilità di AD alle deviazioni nelle code grazie al suo termine di standardizzazione della varianza.
Discrepanza Diffusa: Sia AD che CVM si sono comportati in modo comparabile e hanno superato significativamente il KS. Contrariamente all'aspettativa teorica che il CVM sarebbe stato unicamente superiore per le discrepanze diffuse, l'AD ha mantenuto un vantaggio modesto ma statisticamente significativo rispetto al CVM a dimensioni campionarie moderate o grandi.
Sensibilità alla Variabilità dei Pesi: L'ordine comparativo dei test è rimasto stabile attraverso un ampio intervallo di variabilità dei pesi ( $r_e$ da $0,2 $a$ 0,9$). All'estrema variabilità ( $r_e = 0,2$ ), tutti e tre i test hanno mostrato una modesta deviazione verso l'alto dell'errore di Tipo I (circa 6,4–6,7%), sebbene i ranking delle prestazioni relative siano rimasti coerenti.

Esempio Applicativo
I metodi sono stati applicati a una valutazione quasi-sperimentale di un intervento di coaching sanitario utilizzando pesi di probabilità inversa del trattamento. La valutazione del bilanciamento dell'Indice di Massa Corporea (BMI) ha rivelato conclusioni divergenti: il test AD ha rilevato una discrepanza residua significativa ( $p = ,018$ ), mentre il CVM era suggestivo ( $p = ,079$ ) e il KS non era significativo ( $p = ,123$ ). L'ispezione visiva delle ECDF pesate ha mostrato una divergenza graduale e persistente attraverso un intervallo di valori del BMI piuttosto che un singolo gap netto, illustrando perché l'AD (sensibile agli spostamenti dell'intera distribuzione) abbia rilevato lo squilibrio mentre il KS non lo ha fatto.

Significatività e Rivendicazioni
Il documento apporta due contributi primari:

Estensione Metodologica: Fornisce le prime generalizzazioni pesate dei test KS, CVM e AD, rendendoli disponibili per la routine di valutazione del bilanciamento delle covariate negli studi di inferenza causale pesati.
Framework di Inferenza: Stabilisce una procedura di inferenza tramite permutazione delle etichette singola e priva di assunzioni, applicabile a qualsiasi schema di ponderazione.

Gli autori concludono che i noti vantaggi comparativi dei test non pesati sono preservati sotto ponderazione. Di conseguenza, raccomandano l'Anderson–Darling come un ragionevole default general-purpose per la routine di valutazione del bilanciamento delle covariate, poiché performa in modo robusto attraverso diverse tipologie di discrepanza ed è schiacciantemente superiore per le discrepanze localizzate nelle code (una preoccupazione comune nella ponderazione tramite propensity score). Tuttavia, notano che il Kolmogorov–Smirnov mantiene un vantaggio distinto se si sospetta specificamente un disequilibrio concentrato centralmente. Il documento suggerisce che riportare test multipli (ad esempio, sia AD che KS) sia una strategia prudente per proteggersi dai punti ciechi di un singolo statistico.

Gli autori mantengono la modestia riguardo all'ambito delle loro scoperte, notando che le simulazioni hanno utilizzato una distribuzione di base normale e che l'ordine comparativo per le discrepanze diffuse (dove AD e CVM sono comparabili) richiede ulteriori indagini sui meccanismi sottostanti. Non pretendono di aver dimostrato la validità di questi test sotto ogni possibile schema di ponderazione o forma distributiva, ma piuttosto di aver dimostrato la coerenza sotto le specifiche condizioni simulate.

Articoli simili