Emparejamiento por puntaje de propensión: cómo comparar dos grupos que no pudiste aleatorizar (TFG y TFM 2026)

Tienes dos grupos: los que hicieron el programa y los que no. Nadie los asignó al azar —se apuntó quien quiso—, y el resultado es previsible: el grupo que participó tiene mejor nota de acceso, más motivación previa y una edad media distinta. Cuando encuentras una diferencia al final, tu tutor te hace la pregunta que temías: ¿esa diferencia es el programa o es que ya eran distintos antes?

Para eso existe el emparejamiento por puntaje de propensión (propensity score matching). No convierte tu estudio observacional en un experimento, pero sí hace que los dos grupos sean comparables en todo lo que hayas medido, y te da un argumento defendible en la discusión. Esta guía lo explica de principio a fin con el nivel de detalle que necesita un TFG o un TFM.

Qué es exactamente el puntaje de propensión

El puntaje de propensión es la probabilidad de que un participante esté en el grupo de tratamiento, dadas sus características observadas. Es un número entre 0 y 1: una persona con propensión ,82 es alguien que, por su perfil, tenía muchas papeletas de acabar en el grupo que hizo el programa.

La idea la formalizaron Paul R. Rosenbaum y Donald B. Rubin en 1983 en Biometrika (vol. 70, pp. 41-55), y su valor práctico es enorme: en lugar de intentar emparejar a las personas por ocho variables a la vez —algo imposible con muestras normales—, las emparejas por un solo número que las resume todas. Dos personas con el mismo puntaje de propensión son, en promedio, intercambiables en todas las covariables que entraron en el modelo.

La consecuencia es la que te interesa: si comparas solo personas emparejadas, la diferencia final ya no puede explicarse por esas covariables. Es una forma sistemática de hacer lo que la guía de control de variables confusoras plantea variable a variable.

Cuándo tiene sentido usarlo en un TFG

Encaja cuando se cumplen las tres condiciones a la vez:

• Los grupos no se formaron al azar: autoselección, asignación por conveniencia, comparación entre centros, cohortes históricas, datos secundarios de una encuesta.
• Has medido las variables que explican la pertenencia al grupo. Este es el punto crítico y el que hay que argumentar en la metodología.
• El grupo de comparación es bastante mayor que el de tratamiento, para que haya candidatos entre los que elegir pares. Con 30 y 30 vas a perder demasiados casos.

Si tu grupo de control es del mismo tamaño que el experimental, casi siempre es preferible ajustar por covariables con un ANCOVA o con una regresión, en lugar de tirar la mitad de la muestra emparejando. Y si has podido aleatorizar, no necesitas nada de esto: tienes un diseño experimental y la aleatorización ya equilibra todo, incluido lo que no mediste.

Paso 1. Elegir las covariables

La selección de covariables es una decisión teórica, no estadística, y se toma antes de mirar el resultado. La recomendación metodológica dominante es incluir:

• Todas las variables que, según la literatura, influyen en el resultado, aunque su asociación con el tratamiento sea débil.
• Las variables asociadas a la vez al tratamiento y al resultado, que son las confusoras propiamente dichas.

Y excluir dos clases: las variables medidas después del tratamiento (serían mediadores, no confusores, y ajustarlas sesga el efecto) y las que predicen el tratamiento pero no tienen nada que ver con el resultado, que solo añaden varianza.

Todo lo que dejes fuera queda fuera para siempre: el método equilibra lo observado y nada más.

Paso 2. Estimar el puntaje

Se estima con una regresión logística en la que la variable dependiente es la pertenencia al grupo (1 = tratamiento, 0 = control) y las independientes son tus covariables. La probabilidad predicha para cada caso es su puntaje de propensión.

Dos avisos que ahorran una corrección del tutor:

• No interpretes los coeficientes de esa regresión. No es un modelo explicativo; es una máquina de generar un número resumen. Que una covariable no salga significativa no es razón para quitarla.
• No te preocupes por la bondad de ajuste ni por la multicolinealidad de ese modelo. El único criterio de calidad es si el emparejamiento resultante equilibra las covariables (paso 4). Es la excepción a lo que dice la guía de multicolinealidad y VIF, que sí aplica a los modelos explicativos.

Paso 3. Comprobar el solapamiento y emparejar

Antes de emparejar, dibuja la distribución del puntaje en cada grupo. Si apenas se solapan —los tratados se concentran en ,70-,95 y los controles en ,05-,30—, tus grupos son estructuralmente distintos y el emparejamiento no va a arreglarlo. Esa zona común se llama soporte común, y los casos que caen fuera se descartan.

Con solapamiento suficiente, eliges un método:

Para un TFG, vecino más próximo 1:1 con caliper es la combinación que mejor equilibra rigor y capacidad de explicarla en la defensa.

Paso 4. Demostrar el balance (la parte que decide tu nota)

Emparejar no sirve de nada si no demuestras que ha funcionado. El instrumento estándar es la diferencia media estandarizada (SMD) de cada covariable, calculada antes y después del emparejamiento. Peter C. Austin desarrolló los diagnósticos de referencia en Statistics in Medicine en 2009 (vol. 28, pp. 3083-3107) y su introducción metodológica en Multivariate Behavioral Research en 2011 (vol. 46, pp. 399-424); el criterio que se ha impuesto es que ninguna covariable supere 0,10 en valor absoluto tras emparejar.

Un punto que casi todos los TFG hacen mal: no uses pruebas de significación para evaluar el balance. Comparar las covariables de los grupos emparejados con pruebas t o chi-cuadrado es engañoso, porque el valor p depende del tamaño de la muestra emparejada, que has cambiado tú al emparejar. La SMD no depende del tamaño muestral y por eso es la métrica correcta.

Tu memoria debe incluir una tabla con tres columnas por covariable: SMD antes, SMD después y, opcionalmente, el porcentaje de reducción del sesgo.

Paso 5. Estimar el efecto y ponerle un intervalo

Con la muestra emparejada ya puedes comparar el resultado. Con emparejamiento 1:1 sin reemplazo, la práctica extendida es tratar los pares como observaciones relacionadas y usar la prueba correspondiente a tu tipo de variable. Muchos autores estiman además un modelo de regresión sobre la muestra emparejada incluyendo las covariables que quedaron algo desequilibradas: es el llamado ajuste doblemente robusto, y refuerza el argumento.

Termina siempre con un análisis de sensibilidad: repite el análisis con otro caliper, o con estratificación, y comprueba si la conclusión aguanta. Un efecto que desaparece al cambiar el método de emparejamiento no es un efecto.

Con qué software se hace

• R es el estándar. El paquete MatchIt hace la estimación, el emparejamiento y el diagnóstico de balance en tres funciones, y cobalt produce directamente la tabla y el gráfico de SMD. Es la vía más corta si te manejas mínimamente con R.
• SPSS no trae emparejamiento por propensión en los menús de la instalación base: hay que estimar la regresión logística, guardar la probabilidad predicha como variable nueva y usar la extensión de Propensity Score Matching (que requiere el complemento de integración con R o Python). Muchos estudiantes optan por estimar el puntaje en SPSS y hacer el emparejamiento fuera.
• Stata lo resuelve con psmatch2 o con el comando oficial teffects psmatch.
• jamovi no lo incorpora de serie en 2026.

Cómo redactarlo en la metodología y en los resultados

Dado que la asignación a los grupos no fue aleatoria, se aplicó un emparejamiento por puntaje de propensión. El puntaje se estimó mediante una regresión logística con la pertenencia al grupo como variable dependiente y como covariables la edad, el sexo, la nota media de acceso y la titulación. Se emparejó 1:1 por vecino más próximo sin reemplazo, con un caliper de 0,2 desviaciones típicas del logit del puntaje, lo que produjo 48 pares a partir de 61 casos tratados y 214 controles. Tras el emparejamiento, ninguna covariable presentó una diferencia media estandarizada superior a 0,10 (máximo = 0,07), frente a un máximo de 0,41 antes del emparejamiento.

Si tu trabajo es un estudio observacional, conviene además guiar la redacción con la lista de verificación correspondiente; tienes el mapa completo en la guía de qué checklist adjuntar a tu TFG.

Errores que suspenden este análisis

• Incluir variables posteriores al tratamiento entre las covariables. Es el error conceptual grave: ajustar por un mediador borra parte del efecto que quieres medir.
• Presentar pruebas t de balance en lugar de diferencias estandarizadas.
• No informar de cuántos casos se perdieron al emparejar. Si de 214 controles usas 48, hay que decirlo y describir a quién dejaste fuera.
• Afirmar causalidad. El emparejamiento equilibra lo observado; el confusor no medido sigue ahí.
• Elegir el método después de ver el resultado. Prueba varios como análisis de sensibilidad, pero declara cuál es el principal antes.

Preguntas frecuentes

¿Puedo usar esto si mi muestra es de 60 personas?

Con 60 en total, difícilmente. Necesitas un grupo de comparación amplio para encontrar pares aceptables. Con muestras pequeñas es más honesto ajustar por dos o tres covariables clave en una regresión y declarar la limitación.

¿Cuántas covariables puedo meter en el modelo del puntaje?

Más que en un modelo explicativo, porque no vas a interpretar los coeficientes. El límite práctico lo pone el número de casos del grupo minoritario: con 50 tratados, más de seis o siete covariables empieza a ser problemático.

¿Qué diferencia hay entre esto y un ANCOVA?

El ANCOVA ajusta el resultado por la covariable dentro de un modelo lineal y usa toda la muestra; el emparejamiento construye antes una submuestra comparable y luego compara sin ajustar. El emparejamiento es más transparente y más fácil de defender visualmente; el ANCOVA conserva más potencia. Combinarlos —emparejar y luego ajustar— es la opción más robusta.

¿Y si el solapamiento es muy pequeño?

Es un hallazgo, no un fracaso. Significa que los grupos son estructuralmente distintos y que la comparación directa no era válida de entrada. Repórtalo: es un argumento metodológico sólido y una limitación bien fundamentada.

¿Se puede emparejar con más de dos grupos?

Existen extensiones para tratamientos con varias categorías, pero son claramente material de tesis doctoral. En un TFG o TFM, reduce la comparación a dos grupos o usa ponderación.

¿Puedo hacerlo con datos secundarios de una encuesta pública?

Sí, y es uno de sus mejores usos: los microdatos suelen tener miles de casos, así que encontrar pares es fácil. Ten en cuenta el diseño muestral y los pesos de la encuesta, y descríbelos en la metodología junto con la estrategia de muestreo original.

¿Hace falta preinscribir el análisis?

No es obligatorio en un TFG, pero declarar las covariables y el método antes de ver los resultados —aunque sea en un documento entregado a tu tutor— es exactamente lo que convierte este análisis en creíble.

De los pares emparejados al capítulo escrito

El emparejamiento produce dos tablas, un gráfico y unos cuantos párrafos de justificación metodológica que hay que escribir con cuidado, porque son los que el tribunal va a leer con lupa. Tesify parte de tus propios datos y decisiones: no inventa resultados, te ayuda a estructurar la metodología, redactar los resultados y encadenar la discusión con las limitaciones que tú declares.

Empieza gratis con Tesify y convierte tu análisis en capítulos terminados. Más de 9.000 estudiantes ya lo usan, y el 100 % del texto sigue siendo tuyo.