Rilevanza delle analisi di misture di distribuzioni nelle valutazioni di efficacia con metodi di inferenza causale

Alcune problematiche metodologiche relative all’indebolimento delle usuali condizioni di applicabilità dei metodi di inferenza causale riguardano l’analisi di misture di distribuzioni. In particolare il presente contributo intende prendere in considerazione la questione dell’eliminazione dei vincoli di esclusione nell’utilizzo di variabili strumentali ai fini della valutazione dell’efficacia di una variabile di tipo binario sotto l’ipotesi che la variabile di risposta sia distribuita secondo una normale. Rispetto alle usuali analisi su misture di distribuzioni si evidenzia un maggiore contenuto informativo riguardo alle probabilità di appartenenza ai gruppi componenti le misture. Di converso emergono però maggiori difficoltà inferenziali connesse alla plurimodalità della funzione di verosimiglianza prodotta dalla presenza di più misture con componenti comuni. Il contributo prende inoltre in considerazione una procedura di massimizzazione vincolata della verosimiglianza che sfrutta le maggiori informazioni relative alle probabilità di appartenenza ai gruppi, al fine di risolvere i problemi legati alla plurimodalità della funzione di verosimiglianza.