Donald Rubin – 1943 Presente

Biografía

La historia de la ciencia moderna está marcada por momentos culminantes en los que una transformación conceptual redefine la naturaleza misma del conocimiento empírico. Durante décadas, la inferencia estadística operó predominantemente bajo el paradigma asociativo, un marco en el cual la correlación descriptiva, la modelización de regresión y la reducción de la varianza constituían los pilares del análisis cuantitativo. Sin embargo, la formulación de interrogantes sobre las causas y sus efectos permaneció en una penumbra epistemológica, relegada a la famosa advertencia de que la correlación jamás debe confundirse con la causalidad. Esta barrera metodológica dejaba a los científicos sociales, biomédicos y econometristas desprovistos de un lenguaje formal para articular qué significa exactamente que un tratamiento, política o intervención provoque un cambio en el mundo real.

En este escenario intelectual irrumpió la figura de Donald Bruce Rubin (1943-presente), cuya obra ha transformado radicalmente la inferencia científica contemporánea. A través de la estructuración del denominado Modelo Causal de Rubin (RCM, por sus siglas en inglés) fundamentado en el marco de los resultados potenciales (potential outcomes), Rubin dotó a la comunidad científica internacional de una gramática axiomática que convirtió la causalidad en un problema analítico tratable y matemáticamente riguroso. Lejos de limitar sus contribuciones a un único campo, Rubin articuló una tríada conceptual indisociable que abarca la teoría formal de la causalidad, la taxonomía seminal de los mecanismos de datos faltantes junto con la imputación múltiple, y la formulación del algoritmo EM (Expectation-Maximization), uno de los algoritmos de optimización más célebres y citados de la matemática aplicada.

El impacto de Donald Rubin se extiende desde los fundamentos filosóficos de la inferencia contrafáctica hasta las salas de decisión clínica, las agencias de evaluación de políticas públicas y los algoritmos más sofisticados del aprendizaje automático actual. Su obra sostiene que el diseño metodológico precede y subordina a cualquier análisis paramétrico posterior, un principio rector que devolvió la primacía epistemológica a la planificación cuidadosa del experimento frente a la computación indiscriminada de datos observacionales. Analizar la trayectoria intelectual, los aportes técnicos y el legado de Donald Rubin es adentrarse en la arquitectura misma del razonamiento empírico riguroso del último medio siglo.

1. Introducción y Trayectoria Biográfica de Donald Rubin (1943-Presente)

1.1 Orígenes, Primeros Años y Contexto Formativo

Donald Bruce Rubin nació el 22 de diciembre de 1943 en Washington, D.C., en el seno de una sociedad estadounidense inmersa en transformaciones técnicas y científicas sin precedentes tras la Segunda Guerra Mundial. Desde una edad muy temprana, Rubin manifestó una profunda curiosidad intelectual orientada hacia la resolución sistemática de enigmas abstractos y el desentrañamiento de los principios mecánicos del universo físico. Este estímulo inicial por el pensamiento analítico lo condujo a matricularse en la prestigiosa Universidad de Princeton, donde inició sus estudios superiores enfocado en el campo de la física teórica. Durante su tránsito formativo de pregrado, Rubin absorbió la disciplina matemática rigurosa propia de la física moderna, adquiriendo una capacidad singular para concebir estados ideales y modelos matemáticos hipotéticos que más tarde transferiría de forma magistral a las ciencias del comportamiento y la estadística.

No obstante, a medida que avanzaba en su formación analítica, Rubin comenzó a experimentar una creciente inquietud epistemológica respecto a la abstracción extrema de la física cuántica y las partículas elementales, sintiendo una fuerte atracción hacia los problemas empíricos concretos que involucraban el comportamiento humano, la variabilidad biológica y la incertidumbre en la toma de decisiones. Este giro vocacional lo llevó a trasladarse a la Universidad de Harvard para realizar estudios de posgrado. Fue en Cambridge donde Rubin descubrió que la estadística matemática constituía el puente epistemológico definitivo entre el rigor formal y los dilemas tangibles del mundo real. En Harvard completó su maestría en 1966 y, posteriormente, obtuvo su doctorado en Estadística en 1970.

Durante su etapa en Princeton y Harvard, el joven investigador recibió la influencia directa de gigantes intelectuales de la estadística aplicada y teórica. Destacan entre sus figuras formativas pensadores como William Gemmell Cochran y Frederick Mosteller, pioneros en el análisis de estudios observacionales y ensayos aleatorizados en medicina y educación. La interacción cotidiana con estas mentes brillantes forjó en Rubin una concepción metodológica pragmática pero inquebrantablemente formal: la convicción de que los modelos estadísticos no deben ser meros artefactos algebraicos vacíos, sino representaciones estructuradas del proceso generador subyacente que origina los datos en la realidad física y social.

1.2 Desarrollo Académico y Docencia en Harvard y Otras Instituciones

Tras la obtención de su doctorado, la trayectoria académica de Rubin experimentó un ascenso meteórico marcado por una producción científica caracterizada por una extraordinaria fertilidad teórica y aplicabilidad práctica. Rubin se integró como docente en la Universidad de Harvard, institución en la que consolidó el núcleo central de su carrera académica durante décadas. En Harvard fue designado catedrático titular y asumió la distinción como John L. Loeb Professor of Statistics, liderando durante múltiples períodos el Departamento de Estadística como su director y transformándolo en un epicentro global de la inferencia causal, el modelado bayesiano y el tratamiento formal de datos incompletos.

El perfil docente de Donald Rubin se distinguió por una exigencia conceptual implacable combinada con una capacidad pedagógica excepcional para desarticular la complejidad algebraica y revelar la intuición lógica sustantiva subyacente. Rubin dictó cátedras magistrales que atrajeron a estudiantes procedentes no solo de la estadística matemática, sino de la economía, la sociología, la bioestadística, la medicina preventiva y la ciencia política. Su actividad académica internacional incluyó estancias prolongadas y designaciones formativas en centros de investigación como la Universidad de California en Berkeley, la Universidad de Wisconsin-Madison y la Universidad de Chicago, enriqueciendo debates metodológicos transdisciplinarios y fomentando una cultura de análisis cuantitativo riguroso.

La influencia formativa de Rubin se evidencia de manera elocuente en la extensa lista de discípulos que completaron sus disertaciones doctorales bajo su tutela o se formaron en su laboratorio conceptual. Generaciones de destacados metodólogos contemporáneos, incluidos econometristas galardonados, directores de departamentos de estadística y líderes científicos en bioestadística clínica, han reconocido la impronta indeleble de Rubin. En sus seminarios, Rubin solía exigir que los estudiantes no presentaran ecuaciones sin antes haber definido con precisión meridiana la unidad experimental, el tratamiento hipotético concebido y la matriz de datos contrafácticos no observados.

1.3 Evolución de su Pensamiento Científico en Seis Décadas

El pensamiento científico de Donald Rubin a lo largo de seis décadas puede conceptualizarse como una transición paradigmática continua que desafió los cimientos de la estadística tradicional heredada de Ronald A. Fisher y Jerzy Neyman. En las décadas de 1960 y 1970, la disciplina estadística tendía a centrarse en la estimación de parámetros poblacionales asumiendo datos completamente observados y distribuciones conocidas. Rubin reorientó radicalmente este paradigma hacia dos problemas cruciales que la ortodoxia solía eludir o resolver mediante mecanismos ad-hoc: la presencia insoslayable de datos incompletos y la inferencia sobre efectos causales en contextos no experimentales.

Una característica distintiva de su evolución intelectual fue la articulación permanente de la teoría formal más sofisticada con las demandas operativas de agencias gubernamentales y privadas de escala colosal. Durante sus años de consultoría y colaboración con el Educational Testing Service (ETS), la Oficina del Censo de los Estados Unidos (U.S. Census Bureau) y la Administración de Alimentos y Medicamentos (FDA), Rubin no se conformó con aplicar herramientas preexistentes. Por el contrario, utilizó los desafíos prácticos de estas organizaciones —como la no respuesta en encuestas censales complejas o el abandono de pacientes en ensayos farmacológicos— como catalizadores para el desarrollo de nuevas teorías universales, tales como la imputación múltiple y la formalización de la ignorabilidad del mecanismo de asignación.

Ya en el siglo XXI y plenamente activo en la década de 2020, Rubin ha extendido su liderazgo científico hacia la Universidad de Tsinghua en Pekín y la Universidad de Temple en Filadelfia, continuando una intensa labor investigadora. En estos años recientes, su trabajo se ha enfocado en la integración de su marco causal con la era del Big Data, los algoritmos de aprendizaje profundo y la privacidad diferencial en bases de datos a gran escala. Su longevidad intelectual demuestra que sus formulaciones teóricas no fueron respuestas coyunturales, sino una cosmovisión metodológica integradora que continúa guiando los debates científicos más sofisticados de la actualidad.

2. Fundamentos Epistemológicos y el Paradigma de los Resultados Potenciales

2.1 Concepto Fundamental de Resultados Potenciales (Potential Outcomes)

El pilar arquitectónico sobre el cual se erige la contribución causal de Rubin es la formalización matemática del resultado contrafáctico a través del concepto de resultados potenciales (potential outcomes). Para comprender esta noción, considérese una unidad experimental $i$ perteneciente a una población bien definida $U$. Supóngase una intervención o tratamiento binario $Z_i$, donde $Z_i = 1$ indica que la unidad es expuesta al tratamiento activo y $Z_i = 0$ denota la asignación a la condición de control. La intuición genial de Rubin consistió en postular que, antes de que el tratamiento sea administrado empíricamente, existen a priori dos valores de respuesta bien definidos para dicha unidad:

• $Y_i(1)$: El resultado que manifestaría la unidad $i$ si fuera asignada a la condición activa ($Z_i = 1$).
• $Y_i(0)$: El resultado que manifestaría la misma unidad $i$ si fuera asignada a la condición de control ($Z_i = 0$).

Bajo este marco analítico, el efecto causal individual del tratamiento para la unidad $i$ se define de forma axiomática e inequívoca como la diferencia directa entre ambos estados potenciales:

$$\tau_i = Y_i(1) – Y_i(0)$$

Esta sencilla ecuación posee implicaciones epistemológicas trascendentales. El efecto causal deja de concebirse como un atributo estático o una correlación funcional entre variables, transformándose en una comparación directa entre dos estados alternativos del mundo para la misma entidad individual. Dado que en la práctica científica las decisiones de política o intervención médica se formulan a nivel poblacional, Rubin formalizó métricas agregadas de interés central, tales como el Efecto Causal Promedio (ATE, Average Treatment Effect):

$$\tau_{ATE} = \mathbb{E}[Y(1) – Y(0)]$$

Asimismo, definió el Efecto Causal Promedio en los Tratados (ATT, Average Treatment Effect on the Treated):

$$\tau_{ATT} = \mathbb{E}[Y(1) – Y(0) mid Z = 1]$$

Es indispensable precisar que la génesis original de esta notación matemática se remonta a la memoria de maestría de Jerzy Neyman en 1923, quien la aplicó exclusivamente a ensayos aleatorizados con parcelas agrícolas divididas. La contribución monumental de Rubin, iniciada en sus artículos de 1974 y consolidada en las décadas siguientes, radicó en desacoplar la notación de Neyman del confinamiento agrícola y extenderla como un marco de razonamiento universal aplicable a estudios observacionales, experimentos sociales, contextos médicos complejos y situaciones donde la asignación no está bajo el control experimental del científico.

2.2 El Problema Fundamental de la Inferencia Causal

La adopción del marco de los resultados potenciales devela inmediatamente una barrera ontológica insuperable que condiciona todo el conocimiento empírico. Esta restricción fue denominada explícitamente por Paul Holland en 1986 como el Problema Fundamental de la Inferencia Causal, formulación que sintetizaba la tesis epistemológica central desarrollada por Rubin: es físicamente imposible observar simultáneamente el valor de $Y_i(1)$ y el valor de $Y_i(0)$ en una misma unidad experimental $i$ en un momento temporal idéntico.

En el plano fáctico, la realidad únicamente nos concede la observación del resultado empírico realizado, condicionado por el vector de asignación efectiva del tratamiento $Z_i$. Matemáticamente, la variable de respuesta observada $Y_i^{obs}$ queda expresada por la siguiente relación determinista:

$$Y_i^{obs} = Z_i Y_i(1) + (1 – Z_i) Y_i(0)$$

En consecuencia, para cualquier unidad individual, uno de los resultados potenciales permanece accesible al registro de la medición empírica, mientras que el resultado alternativo se transforma instantáneamente en un contrafáctico no observable. De este postulado deriva la conclusión más revolucionaria de Donald Rubin: la inferencia causal debe ser reconceptualizada axiomáticamente como un problema de estimación de datos faltantes. El valor contrafáctico no es una quimera metafísica incognoscible, sino un punto de dato perdido cuya ausencia debe abordarse mediante supuestos científicos estructurados sobre el mecanismo que determinó qué dato se observó y cuál quedó oculto.

Esta perspectiva alteró profundamente la búsqueda de estimadores insesgados. Las discrepancias observadas entre grupos tratados y de control dejan de atribuirse mecánicamente al tratamiento en sí, pues incorporan el denominado sesgo de selección. Rubin demostró que la diferencia simple entre las medias observadas en ambos grupos se descompone matemáticamente en el efecto causal agregado más un término de sesgo derivado de la no equivalencia basal entre las distribuciones contrafácticas de los grupos contrastados.

2.3 Supuesto de Asignación de Tratamiento Ignorable

Dado que la causalidad individual permanece inaccesible debido a la ausencia congénita de uno de los resultados potenciales, la inferencia estadística sobre efectos causales agregados requiere supuestos explícitos sobre la naturaleza probabilística del mecanismo de asignación del tratamiento. Rubin, en colaboración fundamental con Paul Rosenbaum en 1983, introdujo el concepto formal de asignación fuertemente ignorable (strongly ignorable treatment assignment), un postulado que constituye la piedra angular para identificar efectos causales a partir de datos no experimentales.

El supuesto de asignación ignorable se compone de dos condiciones probabilísticas complementarias, definidas condicionalmente sobre un vector observado de covariables basales $X$:

1. Independencia Condicional (o No Confusión / Unconfoundedness):
   $$(Y(1), Y(0)) perp!!perp Z mid X$$
   Esta propiedad establece que, condicionado a los valores observados del vector de covariables $X$, la asignación del tratamiento $Z$ es estocásticamente independiente del vector conjunto de resultados potenciales. En términos sustantivos, no existen variables confusoras omitidas que afecten tanto la probabilidad de recibir el tratamiento como la respuesta esperada en los resultados potenciales.
2. Soporte Común (o Positividad / Overlap):
   $$0 < Pr(Z = 1 mid X = x) < 1 \quad \forall x in \text{soporte}(X)$$
   Este postulado asegura que para cualquier perfil posible de covariables basales $x$, existe una probabilidad estrictamente positiva y menor a uno de ser asignado a la condición activa o de control. Se excluye categóricamente el determinismo absoluto en la asignación.

En un experimento aleatorizado ideal, la asignación es intrínsecamente ignorable por diseño metodológico, dado que el mecanismo de asignación es generado artificialmente por una computadora o una tabla de números aleatorios sin correlación alguna con los resultados potenciales. Sin embargo, en los estudios observacionales la ignorabilidad no está garantizada bajo ninguna circunstancia. Rubin enfatizó reiteradamente que la ignorabilidad en contextos observacionales no es una propiedad matemáticamente testable a partir de los datos observados por sí solos, sino un supuesto conceptual fundacional que debe ser justificado mediante el conocimiento sustantivo del dominio de estudio, la recolección exhaustiva de covariables basales previas al tratamiento y sofisticados análisis de sensibilidad causal.

3. El Supuesto SUTVA y su Rol en el Modelado Causal

3.1 Definición y Componentes Clave de SUTVA

Para que la definición formal de los resultados potenciales $Y_i(1)$ e $Y_i(0)$ mantenga coherencia lógica y matemática, es indispensable garantizar que la respuesta potencial de una unidad no dependa de la asignación del tratamiento de las demás unidades circundantes, y que el tratamiento mismo se encuentre unívocamente determinado. Esta condición sine qua non fue articulada y nombrada explícitamente por Rubin en sus trabajos seminales de 1980 y 1986 bajo la sigla SUTVA: Stable Unit Treatment Value Assumption (Supuesto del Valor de Tratamiento de Unidad Estable).

El postulado SUTVA se subdivide rigurosamente en dos requerimientos estructurales claramente delimitados:

1. No Interferencia entre Unidades: La asignación del tratamiento a una unidad $i$ no ejerce impacto causal alguno ni altera los resultados potenciales manifestados por otra unidad $j$, para todo $i \neq j$. En notación matemática formal, si denotamos por $\mathbf{Z} = (Z_1, Z_2, dots, Z_N)$ el vector de asignación global de tratamientos para una población de $N$ unidades, la condición establece que el resultado potencial de la unidad $i$ satisface:
   $$Y_i(\mathbf{Z}) = Y_i(Z_i)$$
   Es decir, el valor $Y_i$ depende única y exclusivamente del tratamiento $Z_i$ recibido por dicha unidad específica, sin verse afectado por las componentes $Z_{-i}$ del resto de la muestra.
2. Homogeneidad del Tratamiento (Sin Versiones Ocultas): No existen versiones cualitativamente distintas, modalidades latentes o gradaciones heterogéneas no codificadas dentro del tratamiento activo o del control. Si una unidad es asignada a $Z_i = 1$, la sustancia, dosis o protocolo experimental recibido debe ser exactamente equivalente a la intervención administrada a cualquier otra unidad asignada a dicha condición.

Sin la validez de SUTVA, el espacio de resultados potenciales experimentaría una explosión dimensional catastrófica. En lugar de existir dos resultados potenciales para cada unidad ($Y_i(1)$ e $Y_i(0)$), el número de resultados potenciales por individuo pasaría a ser de $2^N$, transformando la identificación causal en un problema intratable desde el punto de vista analítico.

3.2 Desafíos Teóricos y Violaciones Comunes de SUTVA

A pesar de su trascendencia analítica fundamental, SUTVA se enfrenta a violaciones constantes en la práctica científica empírica, particularmente en la investigación social, la salud comunitaria y la economía conductual contemporánea. El fenómeno de la interferencia social es ubicuo: la adopción de una tecnología agrícola por parte de un agricultor transmite información agronómica a sus vecinos colindantes; la administración de una vacuna a un porcentaje de escolares confiere inmunidad colectiva a niños no vacunados adyacentes; o la concesión de un subsidio de empleo altera los salarios de equilibrio de los trabajadores no beneficiados en el mismo mercado laboral.

En todos estos escenarios, el resultado potencial de una unidad se encuentra íntimamente ligado al vector de asignación de su red social o espacial. La presencia de efectos de contagio (spillover effects) o externalidades invalida la ecuación $Y_i(\mathbf{Z}) = Y_i(Z_i)$. Si un investigador aplica mecánicamente los métodos causales estándar asumiendo la validez de SUTVA cuando existe interferencia, los estimadores del efecto causal promedio resultarán severamente sesgados, confundiendo el impacto de la intervención propia con las dinámicas de difusión comunitaria.

De forma similar, la existencia de versiones ocultas del tratamiento compromete gravemente la interpretabilidad de los hallazgos empíricos. Por ejemplo, en un estudio sobre los efectos de la educación superior ($Z_i = 1$), la experiencia cualitativa, la calidad pedagógica y el rigor formativo difieren sustancialmente entre distintas instituciones académicas y trayectorias curriculares. Asumir un tratamiento binario uniforme en presencia de una heterogeneidad descontrolada de la intervención induce a estimaciones compuestas opacas que impiden generalizaciones válidas o la replicación controlada del diseño causal.

3.3 Estrategias de Diseño para Mitigar la Ruptura de SUTVA

Consciente de la vulnerabilidad ontológica del supuesto de no interferencia, Donald Rubin propuso que la solución primordial ante la amenaza de violaciones de SUTVA no radica en el modelado paramétrico post-hoc, sino en la adopción de estrategias de diseño metodológico preventivas. La intervención deliberada en la fase de concepción de la investigación permite preservar la estabilidad del tratamiento y controlar analíticamente las transferencias indirectas de efectos.

Entre las arquitecturas de diseño más robustas destaca la aleatorización por conglomerados o clústeres (cluster randomized trials). Mediante este enfoque, la asignación del tratamiento no se realiza a nivel individual, sino a nivel de agrupaciones sociales o geográficas estructuralmente aisladas entre sí, como aldeas enteras, hospitales o distritos escolares independientes. Al garantizar que las fronteras del conglomerado actúen como barreras efectivas contra la dispersión física o informativa de la intervención, la interferencia interna queda contenida dentro del grupo tratado, restaurando la validez del supuesto de no interferencia entre los conglomerados principales.

Asimismo, en las últimas dos décadas la literatura metodológica derivada de la escuela de Rubin ha formulado modelos de interferencia parcial estratificada y asignación bietápica. En estos diseños, se formalizan múltiples vectores de resultados potenciales donde el resultado de la unidad depende no solo de su propio tratamiento, sino de la proporción agregada de unidades tratadas en su entorno inmediato. Esta estructuración permite desacoplar matemáticamente el efecto causal directo del efecto indirecto o de desbordamiento, transformando una transgresión teórica en un nuevo objeto de indagación causal cuantitativa rigurosa.

4. Metodología de Puntajes de Propensión (Propensity Score Analysis)

4.1 El Hito de Rosenbaum y Rubin (1983)

En el ámbito de la inferencia en estudios observacionales, el desafío más persistente consiste en neutralizar el sesgo de selección cuando existe un vector multidimensional masivo de covariables basales $X$. Ajustar o controlar simultáneamente por decenas de variables confusoras continuas y discretas genera la denominada maldición de la dimensionalidad, haciendo que la búsqueda de unidades de control exactamente idénticas a las unidades tratadas resulte matemáticamente inviable debido a la dispersión de los datos en espacios de alta dimensión.

La solución revolucionaria a este dilema analítico fue formulada por Paul Rosenbaum y Donald Rubin en su legendario artículo de 1983 publicado en Biometrika: The Central Role of the Propensity Score in Observational Studies for Causal Effects. En este hito metodológico, los autores definieron el puntaje de propensión (propensity score), $e(X)$, como la probabilidad condicional de que una unidad sea asignada al tratamiento activo, dado su vector de covariables basales pre-tratamiento:

$$e(X_i) = Pr(Z_i = 1 mid X_i = x)$$

El teorema fundamental demostrado por Rosenbaum y Rubin demostró axiomáticamente la propiedad de balanceo condicional (balancing score property):

$$X perp!!perp Z mid e(X)$$

Este resultado matemático establece que para cualquier subconjunto de unidades que posean exactamente el mismo puntaje de propensión escalar $e(X)$, la distribución empírica del vector multidimensional $X$ será estadísticamente idéntica entre los individuos tratados ($Z=1$) y los controles ($Z=0$). En términos prácticos, el puntaje de propensión colapsa de forma exacta toda la dimensionalidad del vector $X$ en una única variable unidimensional continua acotada en el intervalo $(0, 1)$, permitiendo que la no confusión condicional se sostenga ajustando exclusivamente por este valor escalar escalar:

$$(Y(1), Y(0)) perp!!perp Z mid e(X)$$

Este descubrimiento transformó de manera irreversible la investigación empírica en medicina, epidemiología, sociología cuantitativa y economía aplicada, al otorgar a los científicos una herramienta elegante para emular las condiciones de balance basal de un ensayo aleatorizado a partir de datos observacionales complejos.

4.2 Técnicas de Emparejamiento, Estratificación y Ponderación

La formulación axiomática del puntaje de propensión propició el desarrollo de una rica familia de estrategias operativas para la estimación de efectos causales en la práctica estadística, entre las cuales destacan:

• Algoritmos de Emparejamiento (Matching): Consisten en seleccionar pares de unidades tratadas y de control cuyos puntajes de propensión sean lo más semejantes posible. El método más simple es el emparejamiento por vecino más cercano (nearest neighbor matching). Sin embargo, Rubin y sus colaboradores demostraron las ventajas de incorporar restricciones como el radio de tolerancia (caliper matching), que prohíbe el emparejamiento si la distancia escalar entre candidatos excede un umbral predeterminado (por ejemplo, $0.2$ desviaciones estándar del puntaje de propensión estimado). Asimismo, los algoritmos de emparejamiento óptimo optimizan globalmente la suma de distancias dentro de toda la muestra en lugar de proceder de forma miope unidad a unidad.
• Subclasificación o Estratificación: Cochran demostró en 1968 que agrupar una variable continua en cinco estratos elimina aproximadamente el noventa por ciento del sesgo de dicha variable. Rubin y Rosenbaum aplicaron este principio al puntaje de propensión, estratificando la muestra conjunta en cinco quintiles construidos sobre $e(X)$. Al comparar tratados y controles dentro de cada estrato y computar un promedio ponderado de los efectos locales, se logra una neutralización sustantiva del sesgo inicial sin requerir supuestos funcionales estrictos.
• Ponderación por el Inverso de la Probabilidad de Tratamiento (IPTW): Basada en la lógica del estimador de Horvitz-Thompson, esta técnica asigna a cada individuo un peso analítico proporcional al inverso de la probabilidad de haber recibido el tratamiento que efectivamente observó. Para los tratados, el peso es $w_i = 1 / e(X_i)$, mientras que para los controles corresponde a $w_i = 1 / (1 – e(X_i))$. Mediante esta reponderación, se construye una pseudopoblación sintética en la cual la distribución de las covariables basales queda completamente desacoplada del mecanismo de asignación.

4.3 Diagnóstico de Balance y Evaluación del Soporte Común

Donald Rubin defendió de forma intransigente que la validez del análisis mediante puntajes de propensión depende críticamente de una regla metodológica cardinal: la evaluación del balance no debe consultar los resultados observados $Y$. El modelado del puntaje de propensión pertenece exclusivamente a la fase de diseño y debe realizarse en un estricto aislamiento respecto a la variable dependiente de respuesta para evitar el sesgo de confirmación y el p-hacking.

El estándar de oro introducido por Rubin para el diagnóstico de balance post-ajuste es la inspección de la Diferencia de Medias Estandarizada (SMD, Standardized Mean Difference) para cada una de las variables contenidas en $X$. Formalmente, la SMD para una covariable se define como:

$$d = \frac{\bar{X}_{\text{tratado}} – \bar{X}_{\text{control}}}{\sqrt{\frac{s_{\text{tratado}}^2 + s_{\text{control}}^2}{2}}}$$

Un ajuste se considera metodológicamente satisfactorio únicamente si los valores absolutos de $d$ caen por debajo de un umbral riguroso, habitualmente $0.1$ o $0.05$ desviaciones estándar, lo cual denota que el sesgo de selección ha sido efectivamente balanceado. Complementariamente, se deben inspeccionar los cocientes de varianza entre ambos grupos, exigiendo que se aproximen a la unidad.

Otro paso fundamental consiste en la verificación del soporte común (common support). Aquellas unidades tratadas cuyos valores de $e(X)$ se sitúan por encima del valor máximo alcanzado por los controles, o unidades de control cuyos valores se ubican por debajo del mínimo de los tratados, deben ser excluidas del análisis mediante un proceso formal de recorte (trimming). Forzar la inferencia en zonas sin solapamiento empírico implica incurrir en extrapolaciones estadísticas peligrosas e infundadas.

Finalmente, Rubin advirtió sobre los graves riesgos que entraña el sobreajuste y la selección ciega de variables basales. El vector $X$ debe contener estrictamente variables temporales previas a la administración del tratamiento. Incluir variables posteriores a la intervención o condicionar inadvertidamente sobre colisionadores distorsiona el mecanismo de asignación, amplifica sesgos latentes y puede destruir la ignorabilidad causal en lugar de garantizarla.

5. Mecanismos de Datos Faltantes: La Taxonomía Rubin de 1976

5.1 Faltante Completamente al Azar (MCAR)

Antes de 1976, la presencia de observaciones incompletas en matrices de datos empíricos representaba un vacío teórico absoluto en la estadística matemática. Las prácticas cotidianas oscilaban entre eliminar mecánicamente las filas que contenían valores faltantes (análisis de casos completos o listwise deletion) o imputar medias marginales simples sin respaldo probabilístico formal. Donald Rubin revolucionó este escenario con la publicación de su célebre tratado en Biometrika en 1976: Inference and Missing Data. En este trabajo, Rubin formalizó por primera vez una taxonomía estocástica rigurosa que gobierna la relación probabilística entre la matriz de datos completa y el indicador de respuesta ausente.

Considérese una matriz de datos teóricamente completa $Y$, descompuesta en su componente observada $Y_{obs}$ y su componente faltante no observada $Y_{mis}$, de modo que $Y = (Y_{obs}, Y_{mis})$. Sea $M$ una matriz de indicadores binarios donde $M_{ij} = 1$ si la celda $Y_{ij}$ es faltante, y $M_{ij} = 0$ si dicha celda fue efectivamente observada. Rubin definió el mecanismo Faltante Completamente al Azar (Missing Completely at Random, MCAR) mediante la siguiente condición de independencia probabilística condicional estricta:

$$Pr(M mid Y_{obs}, Y_{mis}, \phi) = Pr(M mid \phi)$$

donde $phi$ simboliza un vector de parámetros desconocidos que rigen el mecanismo de pérdida. En términos semánticos, bajo MCAR la probabilidad de que un valor se pierda es enteramente independiente tanto de los valores no observados $Y_{mis}$ como de los valores observados $Y_{obs}$. El proceso de pérdida opera de manera equivalente a una lotería perfectamente aleatoria sobre las celdas de la base de datos (por ejemplo, la caída fortuita de un tubo de ensayo o el traspapelo físico involuntario de una encuesta de papel).

Bajo el supuesto MCAR, el análisis restringido a los casos completos produce estimaciones puntuales de parámetros e índices de correlación que resultan formalmente insesgados respecto a los parámetros poblacionales poblacionales. No obstante, este procedimiento acarrea una pérdida dramática de potencia estadística y eficiencia muestral debido a la destrucción neta del tamaño de la muestra efectiva. La hipótesis de MCAR puede evaluarse formalmente mediante pruebas de bondad de ajuste, entre las cuales destaca el test omnibus desarrollado por Roderick J. A. Little en 1988, que contrasta las distancias de Mahalanobis de las medias observadas en distintos patrones de ausencia.

5.2 Faltante al Azar (MAR)

El mecanismo más trascendental y relevante de la taxonomía de Rubin es el denominado Faltante al Azar (Missing at Random, MAR). La nomenclatura elegida por Rubin ha inducido a frecuentes equívocos interpretativos entre investigadores noveles, pues el mecanismo no implica en absoluto que la ausencia ocurra de forma puramente azarosa. En la definición matemática de Rubin, MAR postula que la probabilidad de ausencia condicional depende de manera exclusiva del subconjunto de datos que ha sido efectivamente observado ($Y_{obs}$), siendo completamente independiente de los valores latentes no observados ($Y_{mis}$):

$$Pr(M mid Y_{obs}, Y_{mis}, \phi) = Pr(M mid Y_{obs}, \phi)$$

Un ejemplo ilustrativo se presenta en encuestas socioeconómicas donde se constata que los varones tienden a omitir la declaración de sus ingresos con una frecuencia notablemente superior a la de las mujeres. Si dentro del subgrupo de varones la probabilidad de omitir la respuesta no depende del monto específico de sus ingresos reales, sino únicamente de su condición de género (la cual se encuentra plenamente registrada en la matriz $Y_{obs}$), el mecanismo de pérdida es estrictamente MAR respecto a la variable género.

La importancia paradigmática del supuesto MAR radica en que constituye el fundamento formal para la ignorabilidad del mecanismo de datos faltantes en la inferencia estadística basada en la verosimilitud y el paradigma bayesiano. Rubin demostró que si el mecanismo es MAR y los parámetros $phi$ del proceso de pérdida son funcionalmente independientes de los parámetros sustantivos $\theta$ que rigen la distribución conjunta de $Y$, la función de verosimilitud conjunta se factoriza de tal manera que el científico puede proceder a la estimación óptima e insesgada de $\theta$ utilizando exclusivamente la verosimilitud integrada de los datos observados, omitiendo de forma legítima el modelado explícito del proceso $M$. Esta demostración proporcionó la justificación analítica irrebatible para algoritmos computacionales de vanguardia y técnicas de estimación de información completa.

5.3 Faltante No al Azar (MNAR)

Cuando la probabilidad de que una celda carezca de información depende ontológicamente del valor numérico intrínseco de esa misma celda ausente, el mecanismo se clasifica como Faltante No al Azar (Missing Not at Random, MNAR) o mecanismo no ignorable:

$$Pr(M mid Y_{obs}, Y_{mis}, \phi) \neq Pr(M mid Y_{obs}, \phi)$$

Bajo la condición MNAR, el proceso que genera la ausencia de datos no puede ser desvinculado de las respuestas omitidas. El caso paradigmático ocurre cuando pacientes sometidos a un ensayo farmacológico para la depresión severa abandonan el seguimiento clínico precisamente porque experimentan una intensificación aguda de su sintomatología depresiva, o cuando individuos con fortunas extraordinariamente elevadas o situaciones de indigencia extrema eluden sistemáticamente declarar su patrimonio patrimonial en censos tributarios. En tales casos, $Y_{mis}$ predice directamente $M$, incluso después de haber controlado por la totalidad de covariables observadas en $Y_{obs}$.

Las implicaciones estadísticas del mecanismo MNAR son sumamente severas. El análisis de casos completos y los procedimientos estándar basados en el supuesto MAR colapsan de forma irreversible, introduciendo sesgos sistemáticos incorregibles mediante la mera adición de observaciones o el ajuste muestral clásico. Para abordar datos bajo la condición MNAR, Rubin propuso la formulación de familias de modelos paramétricos estructurados de forma explícita, destacando dos enfoques conceptuales complementarios:

• Modelos de Selección (Selection Models): Donde se especifica formalmente una distribución marginal para los datos $P(Y mid \theta)$ y se condiciona la función del mecanismo de respuesta sobre ellos mediante $P(M mid Y, phi)$, requiriendo frecuentemente supuestos de identificación distribucionales muy fuertes.
• Modelos de Mezcla de Patrones (Pattern-Mixture Models): Donde se modela la distribución de los datos estratificada de acuerdo a los patrones específicos de respuesta manifestados, formalizando $P(Y mid M = m, psi)P(M = m)$.

Dado que la hipótesis de que un conjunto de datos responde a un mecanismo MNAR versus MAR no es directamente contrastable con los datos disponibles, Rubin promovió vigorosamente el uso de análisis de sensibilidad causal y de límites extremos, instando a los analistas a reportar cómo varían los parámetros inferidos bajo un gradiente continuo de perturbaciones o desviaciones del supuesto de ignorabilidad.

6. Teoría y Aplicación de la Imputación Múltiple

6.1 Principios Fundamentales de la Imputación Múltiple (MI)

Como respuesta estructural para operacionalizar el manejo de bases de datos incompletas bajo el supuesto de ignorabilidad (MAR), Donald Rubin desarrolló y sistematizó a lo largo de la década de 1980 la teoría de la Imputación Múltiple (Multiple Imputation, MI), plasmada en su influyente monografía de 1987: Multiple Imputation for Nonresponse in Surveys. Rubin dirigió una crítica frontal contra los métodos ad-hoc tradicionales de imputación determinista simple, tales como la sustitución de celdas vacías por la media marginal o la predicción condicional determinista mediante regresión lineal.

El error conceptual insalvable de la imputación simple radica en que trata los valores predichos como si fueran observaciones reales y ciertas registradas empíricamente. Al reemplazar una celda faltante por un único valor exacto, el analista subestima sistemáticamente la varianza de los datos, infla artificialmente el grado de correlación entre variables y genera intervalos de confianza excesivamente estrechos y valores de significancia $p$ falsamente reducidos, aumentando drásticamente la tasa de error de Tipo I. La imputación simple ignora la incertidumbre intrínseca originada por el desconocimiento de los datos faltantes.

La formulación de la Imputación Múltiple solventa este dilema mediante un protocolo estadístico sustentado en tres fases operativas concatenadas de inspiración bayesiana:

1. Fase de Imputación: En lugar de reemplazar el dato faltante por una cifra estática única, se generan $m$ conjuntos de datos completos independientes ($m ge 5$). Cada valor faltante se sustituye por una extracción estocástica tomada de la distribución predictiva posterior del dato ausente condicionado a los datos observados:
   $$Y_{mis}^{(l)} \sim P(Y_{mis} mid Y_{obs}), \quad l = 1, dots, m$$
   Esta extracción incorpora dos fuentes de incertidumbre estocástica: el error residual aleatorio inherente al modelo de predicción y la variabilidad en el muestreo de los propios parámetros del modelo de imputación.
2. Fase de Análisis: El modelo de análisis sustantivo de interés (sea una regresión lineal, un modelo de supervivencia o una estimación de efectos causales) se ajusta de forma completamente independiente sobre cada uno de los $m$ conjuntos de datos completos construidos. Esto arroja $m$ estimaciones vectoriales del parámetro de interés $\hat{Q}_l$ y sus respectivas matrices de varianza estimada asociada $\hat{U}_l$.
3. Fase de Agrupación o Combinación: Las estimaciones puntuales y sus varianzas se unifican en un estimador final único y robusto aplicando las célebres fórmulas analíticas derivadas por Donald Rubin.

6.2 Las Reglas de Combinación de Rubin (Rubin’s Rules)

La combinación analítica de las estimaciones obtenidas a partir de los $m$ conjuntos de datos imputados se fundamenta formalmente en el teorema de descomposición de la varianza total a través de la esperanza condicional. Las conocidas formalmente como Reglas de Rubin (Rubin’s Rules) operan mediante el cálculo estructurado de las siguientes cantidades muestrales:

La estimación combinada final del parámetro de interés $Q$ es sencillamente la media aritmética de las $m$ estimaciones puntuales obtenidas en los análisis específicos:

$$\bar{Q}_m = \frac{1}{m} \sum_{l=1}^m \hat{Q}_l$$

La estimación de la varianza total asociada al estimador $\bar{Q}_m$ descompone matemáticamente la incertidumbre en dos fuentes no correlacionadas: la varianza intra-imputación (dentro de cada conjunto de datos) y la varianza entre-imputaciones (atribuible a la dispersión de las predicciones entre los diferentes datos completados). Formalmente:

$$\text{Varianza Intra-Imputación: } \bar{U}_m = \frac{1}{m} \sum_{l=1}^m \hat{U}_l$$

$$\text{Varianza Entre-Imputaciones: } B_m = \frac{1}{m – 1} \sum_{l=1}^m (\hat{Q}_l – \bar{Q}_m)^2$$

La varianza total del estimador combinado, denotada por $T_m$, incorpora un factor de corrección estocástico formal $(1 + 1/m)$ que refleja la penalización analítica derivada del número finito $m$ de imputaciones generadas:

$$T_m = \bar{U}_m + \left(1 + \frac{1}{m}\right) B_m$$

Para la construcción de intervalos de confianza válidos y el cálculo de pruebas de hipótesis estadísticas, Rubin derivó que la distribución de referencia adecuada no corresponde a una normal asintótica, sino a una distribución $t$ de Student con grados de libertad ajustados $\nu_m$:

$$\nu_m = (m – 1) \left(1 + \frac{\bar{U}_m}{(1 + 1/m)B_m}\right)^2$$

Posteriormente, John Barnard y Donald Rubin refinaron en 1999 esta derivación para ajustarla a muestras finitas donde los grados de libertad completos originales no son infinitos. Asimismo, Rubin probó que la eficiencia asintótica de un estimador basado en $m$ imputaciones, en contraste con el estimador ideal sustentado en un número infinito de muestras generadas, responde a la elegante relación formal $(1 + gamma/m)^{-1}$, donde $\gamma$ representa la fracción de información faltante. Este resultado analítico demostró que con valores modestos de $m$ (entre 5 y 20 imputaciones) se logra una eficiencia estadística cercana al 95-99% en la inmensa mayoría de las aplicaciones empíricas de las ciencias sociales y biomédicas.

6.3 Implementación Computacional: MICE y Modelos Multivariados

En el plano computacional, la operacionalización práctica de la Imputación Múltiple transitó históricamente por dos rutas teóricas principales. El enfoque inicial promovido por Rubin y Schafer consistió en la Especificación Conjunta Multivariada (Joint Modeling), la cual asume que el vector conjunto de todas las variables incompletas y completas sigue una distribución continua paramétrica global, típicamente la distribución normal multivariada. Mediante algoritmos de aumentación de datos basados en Cadenas de Markov de Monte Carlo (MCMC), se extraen iterativamente simulaciones de los parámetros latentes y de las celdas no observadas.

No obstante, en matrices de datos reales que albergan combinaciones heterogéneas de variables binarias, categóricas nominales, conteos de Poisson y variables continuas asimétricas, el supuesto de normalidad multivariada resulta marcadamente restrictivo. Esta limitación incentivó la aparición de la estrategia computacional de Ecuaciones Encadenadas o Especificación Condicional Total (FCS, Fully Conditional Specification), popularizada masivamente a través del algoritmo MICE (Multivariate Imputation by Chained Equations), fuertemente influido por las nociones de compatibilidad condicional de Rubin.

MICE aborda el problema de la dimensionalidad dividiendo la matriz multivariada en una serie de modelos univariados condicionales concatenados. Si se tienen variables $Y_1, Y_2, dots, Y_p$, cada variable incompleta se imputa secuencialmente mediante un modelo univariado adecuado a su naturaleza distribucional específica (por ejemplo, una regresión logística para una variable dicotómica o un modelo log-lineal para conteos), condicionado a todas las restantes variables del sistema. El proceso se itera sucesivamente a lo largo de ciclos computacionales hasta alcanzar la convergencia empírica de la cadena markoviana. Entre las buenas prácticas estadísticas contemporáneas para su implementación, se subraya la necesidad de preservar formalmente en los modelos de imputación todos los términos de interacción y las no linealidades que se planea examinar en la fase analítica sustantiva posterior, así como el monitoreo riguroso de gráficos de trazas para diagnosticar la ausencia de autocorrelación o divergencia en las iteraciones.

7. El Algoritmo EM: Contribución Seminal de Dempster, Laird y Rubin (1977)

7.1 Génesis Teórica y Estructura del Algoritmo EM

En el curso de sus investigaciones sobre matrices incompletas a principios de la década de 1970, Donald Rubin constató que diversos matemáticos y estadísticos de campos dispersos habían propuesto aproximaciones iterativas aisladas para maximizar funciones de verosimilitud en presencia de datos ausentes o componentes no identificadas. Sin embargo, no existía una teoría matemática unificada que justificara la validez general, la estructura probabilística subyacente y las propiedades de convergencia de dichos métodos fragmentarios. En respuesta a este vacío científico, Arthur P. Dempster, Nan M. Laird y Donald B. Rubin publicaron en 1977 en el Journal of the Royal Statistical Society: Series B un artículo que se convertiría en uno de los documentos matemáticos más citados de la historia universal de la estadística: Maximum Likelihood from Incomplete Data via the EM Algorithm.

El Algoritmo EM (Expectation-Maximization) formaliza un método iterativo general para computar estimaciones de Máxima Verosimilitud (MLE) o de Máximo a Posteriori (MAP) en problemas paramétricos donde la presencia de datos faltantes, factores truncados o variables latentes no observadas impide la optimización analítica directa del logaritmo de la verosimilitud de los datos observados $ell(\theta; Y_{obs})$. La arquitectura conceptual del algoritmo se articula en dos pasos sucesivos que se alternan hasta alcanzar la convergencia:

• El Paso de Esperanza (E-step): Dado un valor provisional o estimación corriente del vector de parámetros en la iteración $t$, denotado por $\theta^{(t)}$, se calcula el valor esperado del logaritmo de la verosimilitud de los datos completos $\log L(\theta; Y_{obs}, Y_{mis})$ con respecto a la distribución condicional de los datos no observados $Y_{mis}$, condicionado a las observaciones empíricas reales $Y_{obs}$ y a los parámetros corrientes. Esta función objetivo intermedia se designa comúnmente con la letra $Q$ mayúscula:
  $$Q(\theta mid \theta^{(t)}) = \mathbb{E}_{Y_{mis} mid Y_{obs}, \theta^{(t)}}\left[ \log L(\theta; Y_{obs}, Y_{mis}) \right]$$
• El Paso de Maximización (M-step): Se actualiza el vector de parámetros buscando el valor $\theta^{(t+1)}$ que maximiza global o localmente la función $Q$ obtenida en el paso previo:
  $$\theta^{(t+1)} = arg\max_{\theta} Q(\theta mid \theta^{(t)})$$

La propiedad matemática cumbre del algoritmo EM radica en su convergencia monótona. Dempster, Laird y Rubin demostraron que cada ciclo iterativo garantiza inexorablemente que el logaritmo de la verosimilitud de los datos observados nunca disminuye, de modo que:

$$ell(\theta^{(t+1)}; Y_{obs}) ge ell(\theta^{(t)}; Y_{obs})$$

Esta propiedad asegura que la secuencia de iteraciones converge de manera extraordinariamente estable hacia un punto estacionario o un óptimo local de la superficie de verosimilitud observada.

7.2 Impacto Matemático y en la Inferencia de Máxima Verosimilitud

La publicación de Dempster, Laird y Rubin redefinió la relación de las ciencias cuantitativas con la incompletitud empírica. El algoritmo EM permitió resolver con extrema elegancia algebraica problemas teóricos que hasta ese momento exigían la inversión de gigantescas matrices de información de Fisher o la resolución numérica de ecuaciones diferenciales no lineales propensas a la inestabilidad de punto flotante o al estancamiento de gradientes. En lugar de lidiar con funciones de verosimilitud observadas altamente no cóncavas y complejas, el algoritmo permite a los matemáticos trabajar mental y computacionalmente con la función de verosimilitud de datos completos, que usualmente pertenece a la familia exponencial bien comportada.

El alcance aplicado del algoritmo trascendió con creces los límites de la estadística pura. En el terreno del aprendizaje no supervisado y la inteligencia artificial, el algoritmo EM se convirtió en el motor algorítmico fundacional para el ajuste de Modelos de Mezclas Gaussianas (GMM, Gaussian Mixture Models), en los cuales la asignación de cada punto muestral a un clúster específico se conceptualiza formalmente como una variable latente no observada que se imputa probabilisticamente en el paso E y se actualiza en el paso M. De manera similar, en el procesamiento del lenguaje natural, la bioinformática (alineamiento múltiple de secuencias biológicas), los Modelos Ocultos de Markov (HMM mediante el algoritmo de Baum-Welch, que constituye un caso especial de EM) y la psicometría estructural mediante el análisis factorial, el marco analítico provisto por Rubin y sus colegas transformó modelos teóricos intratables en soluciones operativas universales.

7.3 Variantes y Extensiones Contemporáneas del Algoritmo

A pesar de su elegancia y estabilidad de convergencia, el algoritmo EM estándar puede manifestar una tasa de convergencia asintótica marcadamente lenta en aplicaciones donde la proporción de información faltante es sustancial, debido a que su ritmo de aproximación al óptimo se encuentra gobernado por la tasa de información observada respecto a la total. Frente a este desafío de eficiencia computacional, Donald Rubin, en estrecha colaboración con su distinguido discípulo Xiao-Li Meng a principios de la década de 1990, formuló extensiones teóricas de primer orden.

Entre ellas sobresale el algoritmo ECM (Expectation-Conditional Maximization), introducido por Meng y Rubin en 1993, el cual reemplaza un paso M global complejo por una secuencia concatenada de maximizaciones condicionales más sencillas a lo largo de subespacios de parámetros predeterminados. Posteriormente, desarrollaron la variante ECME (Expectation-Conditional Maximization Either), que permite maximizar alternativamente la función de verosimilitud observada directamente en algunos de los subpasos condicionales, acelerando drásticamente el tiempo de cálculo sin comprometer la garantía de convergencia monótona que caracteriza al marco original.

En el contexto contemporáneo de la ciencia de datos masiva y el análisis de terabytes de información, las extensiones estocásticas como el EM Estocástico (SEM) y el EM Online o Incremental han ganado una prominencia central. Estas arquitecturas sustituyen el cómputo exhaustivo de la esperanza sobre la totalidad de la muestra por aproximaciones generadas a partir de mini-lotes (mini-batches) de datos que ingresan secuencialmente. Esto hace viable la optimización de parámetros latentes en redes neuronales profundas y sistemas de filtrado colaborativo masivo bajo el principio rector delineado originariamente en 1977.

8. Diseño Experimental y Variables Instrumentales desde la Perspectiva Rubin

8.1 El Diseño por Encima del Análisis: Prioridad Metodológica

Una de las máximas epistemológicas que vertebran la obra de Donald Rubin es que el diseño de investigación ostenta una primacía irrevocable y jerárquicamente superior respecto a cualquier sofisticación analítica o computacional. Rubin postuló persistentemente que un diseño metodológico impecable puede compensar o subsanar un modelado analítico modesto, pero jamás el modelado paramétrico más intrincado podrá rescatar los resultados derivados de un diseño experimental o de un estudio observacional metodológicamente corrupto o viciado en su recolección.

Dentro de esta filosofía, Rubin formuló una directriz categórica para la ejecución de estudios observacionales válidos: el investigador cuantitativo debe simular, dentro de las restricciones no experimentales, las condiciones operativas de un ensayo controlado aleatorizado ideal. Un pilar no negociable de esta postura es la ceguera obligatoria del analista a los valores de la variable de resultado $Y$ durante la estructuración y ajuste del diseño. El emparejamiento, la poda de casos disímiles, la estratificación basal y el diagnóstico exhaustivo de balance en las covariables $X$ deben ejecutarse íntegramente en un vacío informativo respecto a los desenlaces observados. Este principio elimina de raíz la tentación consciente o inconsciente del investigador de modificar especificaciones analíticas para forzar la emergencia de coeficientes estadísticamente significativos, clausurando la vía al pernicioso p-hacking que ha precipitado crisis de reproducibilidad en múltiples campos del saber.

8.2 Efectos Locales Promedio de Tratamiento (LATE)

El enfoque conceptual de los resultados potenciales exhibió una capacidad de enriquecimiento interdisciplinario sin precedentes cuando Donald Rubin unió fuerzas teóricas con los econometristas Joshua Angrist y Guido Imbens a mediados de la década de 1990. Hasta esa fecha, el método de las Variables Instrumentales (VI) se concebía en la economía casi exclusivamente a través del lente de sistemas de ecuaciones simultáneas lineales y supuestos funcionales restrictivos heredados de la Comisión Cowles.

En su trascendental artículo colaborativo de 1996 en el Journal of the American Statistical Association, titulado Identification of Causal Effects Using Instrumental Variables, Angrist, Imbens y Rubin redefinieron la estimación instrumental apelando de forma exclusiva a los resultados potenciales y a la estratificación del cumplimiento (compliance status). Frente a una asignación aleatoria o instrumento $Z_i in {0, 1}$ y un tratamiento efectivamente recibido $D_i(Z_i) in {0, 1}$, los autores descubrieron que la población se particiona axiomáticamente en cuatro subgrupos conductuales latentes mutuamente excluyentes:

• Cumplidores (Compliers): Aquellos individuos que reciben el tratamiento si son asignados al mismo, y no lo reciben si no son asignados ($D_i(1) = 1$ y $D_i(0) = 0$).
• Siempre Expuestos (Always-takers): Individuos que accederán y consumirán el tratamiento independientemente de la asignación experimental que reciban ($D_i(1) = 1$ y $D_i(0) = 1$).
• Nunca Expuestos (Never-takers): Individuos que rehusarán recibir el tratamiento sin importar que hayan sido asignados activamente a él ($D_i(1) = 0$ y $D_i(0) = 0$).
• Desafiantes (Defiers): Sujetos que manifiestan una conducta contraintuitiva, tomando el tratamiento si no fueron asignados, y rechazándolo categóricamente si fueron asignados ($D_i(1) = 0$ y $D_i(0) = 1$).

Demostraron que, asumiendo la validez del instrumento (independencia y restricción de exclusión: el instrumento no afecta los resultados excepto a través de la recepción del tratamiento) y el postulado de monotonicidad (la ausencia estricta de desafiantes), el estimador estándar de mínimos cuadrados en dos etapas (o cociente de Wald) no identifica el efecto promedio de toda la población (ATE), sino exclusiva e inequívocamente el Efecto Local Promedio de Tratamiento (LATE, Local Average Treatment Effect):

$$\tau_{LATE} = \mathbb{E}[Y_i(1) – Y_i(0) mid \text{Compliers}]$$

Esta formalización reconcilió la econometría clásica con la estadística moderna de Rubin, revelando con meridiana claridad sobre qué subpoblación específica se están haciendo inferencias causales cuando se emplea un instrumento en presencia de no cumplimiento bilateral o unilateral.

8.3 Regresión Discontinua y Análisis de Sensibilidad Causal

La perspectiva metodológica de Rubin también iluminó y enriqueció el diseño de Regresión Discontinua (RD, Regression Discontinuity Design). Dentro del marco de resultados potenciales, la vecindad infinitesimal que rodea al umbral o punto de corte arbitrario en una variable continua de asignación (running variable) se modela de forma análoga a un experimento aleatorizado local cuasi-perfecto. Si los agentes individuales carecen de la capacidad de manipular con precisión milimétrica su ubicación respecto al corte, las unidades situadas apenas por encima o apenas por debajo del umbral exhiben distribuciones contrafácticas perfectamente comparables, garantizando la ignorabilidad local de la asignación.

Asimismo, reconociendo que en estudios observacionales la condición de ignorabilidad fuerte ($Y(1), Y(0) perp!!perp Z mid X$) es fundamentalmente no contrastable mediante datos empíricos, la escuela de pensamiento de Rubin sistematizó el análisis de sensibilidad causal. A través del desarrollo de límites analíticos (tales como las cotas de Rosenbaum y Rubin), se examina matemáticamente cuánto sesgo no observado, o cuánta correlación entre una variable confusora omitida y el tratamiento o la respuesta, se requeriría cuantitativamente para alterar o neutralizar por completo las conclusiones causales de una investigación. Este enfoque dotó a la economía laboral, la epidemiología social y la evaluación de políticas de una sobriedad metodológica ejemplar, sustituyendo certezas dogmáticas infundadas por declaraciones explícitas sobre la solidez de la evidencia ante posibles violaciones de supuestos.

9. Aportes a la Psicometría, Educación y Emparejamiento de Archivos

9.1 Trabajo en el Educational Testing Service (ETS)

Un capítulo crucial, frecuentemente subestimado pero inmensamente fructífero en la trayectoria intelectual de Donald Rubin, corresponde a sus años de vinculación formal e investigación continua dentro del Educational Testing Service (ETS) en Princeton, Nueva Jersey. En esta institución rectora de la evaluación psicométrica global, Rubin se vio confrontado directamente con gigantescas bases de datos empíricas provenientes de instrumentos estandarizados masivos administrados a millones de estudiantes, tales como el SAT (Scholastic Aptitude Test) y el GRE (Graduate Record Examinations).

En el ETS, Rubin orientó su agudeza analítica hacia la Teoría de Respuesta al Ítem (IRT, Item Response Theory) y los modelos de medición psicométrica compleja. Rubin advirtió que la presencia de preguntas sin responder u omisiones deliberadas de los evaluados constituía un mecanismo de datos faltantes intrínsecamente no ignorable o condicionado a la habilidad latente del estudiante. Su trabajo permitió integrar formalmente la modelización del comportamiento de omisión dentro de la calibración de las curvas características del ítem, corrigiendo distorsiones de medición que durante décadas habían perjudicado a subgrupos poblacionales específicos.

Asimismo, Rubin realizó aportes matemáticos pioneros al estudio y detección del Funcionamiento Diferencial del Ítem (DIF, Differential Item Functioning). Mediante la aplicación rigurosa de principios de balanceo condicional, concibió procedimientos para diferenciar el sesgo cultural intrínseco de un reactivo de examen de las disparidades basales genuinas en el nivel de rasgo o habilidad de las cohortes evaluadas, garantizando una mayor equidad psicométrica en procesos de selección educativa a nivel continental.

9.2 Fusión Estadística y Emparejamiento de Archivos de Datos

A finales de la década de 1970 e inicios de la década de 1980, Donald Rubin abordó un enigma computacional de alta relevancia para agencias censales y de inteligencia de mercados: el emparejamiento estadístico de archivos (statistical matching o data fusion). El dilema operativo se presenta cuando un investigador dispone de dos bases de datos completamente independientes extraídas de la misma población diana. El archivo $A$ contiene un conjunto de variables comunes $X$ y una variable especializada $Y$, mientras que el archivo $B$ contiene las mismas variables comunes $X$ y una tercera variable especializada $Z$, pero sin existir identificadores únicos comunes (como el número de seguridad social) para cruzar directamente las unidades físicas entre ambos ficheros.

Frente a las pretensiones ingenuas de emparejar unidades por cercanía en $X$ y asumir que la correlación conjunta entre $Y$ y $Z$ podía identificarse sin ambigüedades, Rubin demostró un teorema de imposibilidad matemática fundamental. Probó formalmente que, a menos que se introduzca el fuerte supuesto a priori de Independencia Condicional entre $Y$ y $Z$ dado $X$ ($Y perp!!perp Z mid X$), los datos observados en ambos archivos no permiten identificar de manera puntual la correlación poblacional $\rho_{YZ}$, sino únicamente un amplio conjunto de valores admisibles o intervalo de indeterminación matemática compatible con las matrices de varianza-covarianza empíricas.

La formulación de Rubin orientó a los departamentos nacionales de estadística hacia el reconocimiento explícito de estas restricciones no identificadas. En lugar de generar bases fusionadas artificialmente certeras mediante supuestos espurios, Rubin sentó las bases metodológicas para incorporar matrices de información ancla o encuestas de verificación calibradas para acotar la incertidumbre y garantizar la solidez de las inferencias combinadas en macroeconomía y demografía cuantitativa.

9.3 Privacidad de Datos y Técnicas de Microdatos Sintéticos

Hacia el final del siglo XX, las agencias gubernamentales como la Oficina del Censo de los Estados Unidos comenzaron a enfrentar una tensión sociopolítica y técnica irresoluble: la obligación democrática y científica de divulgar microdatos detallados a la comunidad de investigadores, enfrentada a la necesidad legal ineludible de preservar el secreto estadístico y la privacidad absoluta de los ciudadanos frente a ataques contemporáneos de reidentificación computacional.

En este escenario, Donald Rubin propuso en 1993 una solución conceptualmente revolucionaria: el empleo de la Imputación Múltiple para la Síntesis Protectora de Privacidad, dando nacimiento formal al paradigma de los Microdatos Sintéticos (synthetic data). La premisa de Rubin fue audaz: tratar la totalidad de la muestra original recolectada en un censo no como datos que deben ser publicados tras aplicarles censura previa o ruido mecánico (como agregar perturbaciones aleatorias ad-hoc), sino considerarla internamente como los datos conocidos a partir de los cuales se estima un modelo bayesiano complejo y representativo del proceso generador poblacional.

Una vez estimado el modelo estructural interno, la agencia estadística no divulga un solo dato correspondiente a ningún individuo empírico real. En su lugar, se extraen estocásticamente de la distribución predictiva posterior muestras independientes de agentes sintéticos completamente simulados. Estas pseudopoblaciones creadas mediante las reglas de la imputación múltiple reflejan con asombrosa fidelidad todas las correlaciones, no linealidades y propiedades estadísticas globales de la población original, preservando la máxima utilidad analítica para los investigadores socioeconómicos, mientras protegen por diseño la privacidad individual de cada participante registrado empíricamente.

10. Debates Metodológicos: El Modelo Causal de Rubin versus Redes Causal de Pearl

10.1 Contraste Conceptual: Notación Algebraica vs. Gráficos Acíclicos Dirigidos (DAGs)

Uno de los capítulos intelectuales más apasionantes y profundos de la ciencia metodológica contemporánea está constituido por el prolongado debate epistemológico entre Donald Rubin y Judea Pearl, pionero de la computación probabilística y laureado con el Premio Turing. Si bien ambos autores comparten el objetivo común de dotar a la causalidad de fundamentos matemáticos indiscutibles más allá del asociacionismo clásico, sus formulaciones descansan sobre arquitecturas ontológicas y epistemológicas radicalmente divergentes.

El marco analítico de Judea Pearl se estructura sobre el lenguaje de las Redes Causales Bayesianas, utilizando Gráficos Acíclicos Dirigidos (DAGs, Directed Acyclic Graphs) combinados con la lógica del cálculo causal o do-calculus. Para Pearl, un modelo causal debe representarse como un sistema formal de ecuaciones estructurales no paramétricas (NPSEM), donde los nodos representan variables aleatorias y las aristas dirigidas formalizan relaciones de dependencia causal física directa. La notación $P(Y mid do(Z = z))$ formaliza la intervención experimental externa mediante el truncamiento gráfico de las flechas que apuntan a la variable de intervención $Z$.

Por su parte, Donald Rubin manifestó un escepticismo metodológico profundo y constante frente a la dependencia primordial de los diagramas gráficos causales. Rubin argumenta que la notación algebraica de los resultados potenciales ($Y_i(z)$) posee una precisión analítica indiscutiblemente superior para la inferencia estadística, al situar inmediatamente el foco en el nivel de la unidad individual experimental y concebir la causalidad dentro de la matriz canónica de datos incompletos. Para Rubin, los grafos pueden inducir a los analistas a asumir de manera irreflexiva supuestos no verificables sobre flechas omitidas o estructuras de mediación en sistemas multivariados complejos, mientras que el álgebra de los resultados potenciales obliga a transparentar cada comparación contrafáctica a la luz de los postulados axiomáticos de asignación e ignorabilidad.

10.2 El Criterio de Puerta Trasera (Backdoor) frente al Balance de Covariables

Las diferencias filosóficas entre ambos enfoques decantan en divergencias operativas fundamentales cuando se trata de seleccionar qué variables basales deben ser ajustadas o condicionadas en un estudio observacional para erradicar el sesgo de selección:

• El Criterio de Puerta Trasera (Backdoor Criterion) de Pearl: Se fundamenta en la topología de la separación direccional ($d$-separación) sobre el grafo causal. Un conjunto de covariables $S$ satisface el criterio de puerta trasera si no contiene descendientes del tratamiento y bloquea o intersecta toda trayectoria espuria que comience con una flecha apuntando hacia el tratamiento $Z$ y finalice en el desenlace $Y$. Este criterio advierte categóricamente sobre el sesgo de colisionador (o sesgo M): si dos causas independientes convergen en una variable común intermedia, condicionar sobre dicho colisionador abre una trayectoria espuria entre sus causas, introduciendo un sesgo donde antes no existía.
• El Balance de Covariables de Rubin: Rubin privilegia el modelado del proceso de asignación del tratamiento $e(X) = Pr(Z=1 mid X)$, enfatizando la inclusión exhaustiva de todas las variables temporales anteriores a la intervención que razonablemente se presume influyen en la elección del tratamiento o se correlacionan con la respuesta. Bajo el enfoque de Rubin, las situaciones abstractas como el sesgo M son anomalías topológicas raramente letales en la epidemiología práctica comparadas con el peligro inconmensurablemente superior de incurrir en un sesgo masivo por la omisión involuntaria de un confusor basal clave.

A pesar de años de fricciones dialécticas directas en congresos y revistas científicas de primer orden, la comunidad interdisciplinaria contemporánea ha llegado a una apreciación integradora. Reconocen en el marco formal de Rubin la solidez axiomática indiscutible para la estimación de parámetros, el balance muestral y el manejo riguroso de la incertidumbre estadística, mientras que reconocen en los grafos acíclicos de Pearl una herramienta cualitativa intuitiva para visualizar la estructura conceptual de la confusión, la mediación y los mecanismos de selección endógenos.

10.3 Impacto del Debate en la Ciencia de Datos y el Aprendizaje Automático

El diálogo constructivo y la tensión dialéctica entre el modelo de Rubin y los grafos de Pearl han fertilizado masivamente el campo del aprendizaje automático (Machine Learning) y la inteligencia artificial explicable. Durante las últimas dos décadas, los investigadores en computación descubrieron que los algoritmos predictivos tradicionales —desde bosques aleatorios hasta redes neuronales profundas— optimizan correlaciones espurias que colapsan ante cambios en la distribución generadora (distribution shift) o al intentar gobernar intervenciones activas de política.

En el aprendizaje por refuerzo fuera de política (off-policy reinforcement learning) y en la toma de decisiones algorítmica automatizada, el marco de los resultados potenciales de Rubin se consolidó como el estándar fundamental para evaluar el contrafáctico de políticas no ejecutadas directamente por el sistema. Métodos como el aprendizaje doblemente robusto (Doubly Robust Estimation), que combinan el puntaje de propensión de Rubin con modelos de regresión predictiva, garantizan estimaciones asintóticamente insesgadas siempre que al menos uno de los dos submodelos esté correctamente especificado.

De forma paralela, el diseño de arquitecturas causales en IA ha visto la convergencia práctica de ambas escuelas dentro de las bibliotecas de software contemporáneas de código abierto más extendidas en la industria tecnológica global. Librerías como DoWhy (de Microsoft Research) y EconML articulan formalmente un proceso en cuatro pasos: modelar el problema mediante un grafo causal (escuela de Pearl), identificar la expresión analítica correspondiente, estimar el efecto causal recurriendo a los puntajes de propensión y la imputación de resultados potenciales (escuela de Rubin), y someter el resultado final a análisis de refutación y sensibilidad de acuerdo a las pautas de diseño postuladas por Donald Rubin.

11. Reconocimientos, Premios Académicos e Influencia Institucional

11.1 Membresías de Honor y Sociedades Científicas

La magnitud de las contribuciones conceptuales y aplicadas de Donald Rubin le ha valido el reconocimiento unánime y la incorporación formal a las academias y sociedades científicas más prestigiosas del planeta. Rubin fue electo miembro de la Academia Nacional de Ciencias de los Estados Unidos (National Academy of Sciences, NAS), una de las máximas distinciones a las que puede aspirar un científico en Norteamérica, reconociendo el carácter fundacional de sus aportes metodológicos en el diseño y análisis estadístico.

Asimismo, fue distinguido como miembro titular de la Academia Americana de las Artes y las Ciencias (American Academy of Arts and Sciences, AAA&S) y elegido de forma unánime como Miembro de Honor (Fellow) de la Asociación Americana de Estadística (American Statistical Association, ASA), del Instituto de Estadística Matemática (Institute of Mathematical Statistics, IMS), de la Asociación Americana para el Avance de la Ciencia (AAAS) y del Instituto Internacional de Estadística (ISI). Sus designaciones no se restringieron al ámbito de la estadística técnica, habiendo sido incorporado también como Miembro Correspondiente de la Academia Británica (British Academy), testimoniando la huella transformadora de su paradigma en el conjunto global de las ciencias humanas y del comportamiento social.

11.2 Premios Seminales de la Comunidad Estadística Internacional

A lo largo de su fecunda trayectoria profesional, Rubin ha sido galardonado con las preseas más codiciadas de la disciplina estadística global, galardones otorgados tras rigurosas deliberaciones de comités internacionales de pares:

• Premio Samuel S. Wilks Memorial: Otorgado por la American Statistical Association en 1995, uno de los honores cumbre de la profesión estadística, en reconocimiento a sus contribuciones pioneras a la teoría de datos faltantes, el desarrollo del algoritmo EM y la formalización rigurosa de la inferencia causal.
• Conferencia y Premio R. A. Fisher: Otorgado en 2004 por el Comité de Presidentes de Sociedades Estadísticas (COPSS, por sus siglas en inglés), que agrupa a las principales sociedades estadísticas de Norteamérica. Este premio, considerado por la comunidad científica como una de las máximas distinciones internacionales en estadística matemática, reconoció la extraordinaria impronta de Rubin en la conceptualización de los estudios observacionales y el análisis de experimentos con no cumplimiento.
• Premio Emanuel y Carol Parzen por Innovación Estadística: Concedido en reconocimiento a sus revolucionarias aportaciones al desarrollo de algoritmos de optimización iterativa y a la formulación de la metodología de puntajes de propensión.

Adicionalmente, prestigiosas universidades de Europa, Norteamérica y Asia le han conferido el grado de Doctor Honoris Causa, celebrando su capacidad singular para unificar la belleza de la teoría abstracta con el rigor de la aplicación empírica al servicio de las políticas públicas y la salud humana.

11.3 Vínculo con el Premio Nobel de Economía de 2021

El clímax institucional del paradigma causal concebido por Donald Rubin se produjo en octubre de 2021, cuando la Real Academia de las Ciencias de Suecia confirió el Premio de Ciencias Económicas del Banco de Suecia en Memoria de Alfred Nobel a los economistas David Card, Joshua Angrist y Guido Imbens. En su justificación oficial y en el documento de antecedentes científicos exhaustivo divulgado por el Comité del Nobel, la academia reconoció explícitamente a Angrist e Imbens «por sus contribuciones metodológicas al análisis de las relaciones causales».

La comunidad científica internacional y la prensa especializada coincidieron plenamente en señalar que los fundamentos teóricos galardonados por el Nobel de Economía derivan de manera directa de la obra seminal de Donald Rubin. El propio marco de identificación del efecto LATE, desarrollado por Angrist e Imbens en coautoría directa con Rubin en su trascendental artículo conjunto de 1996, constituye el núcleo técnico indiscutible reconocido por el galardón sueco.

Tanto Joshua Angrist como Guido Imbens han expresado de forma inequívoca en sus conferencias magistrales, libros de texto canónicos (destacando la obra cumbre de Imbens y Rubin, Causal Inference for Statistics, Social, and Biomedical Sciences publicada por Cambridge University Press en 2015) y alocuciones públicas su profunda e imperecedera deuda intelectual con Donald Rubin. Imbens declaró de manera elocuente que Rubin es el verdadero arquitecto fundacional del enfoque moderno de la causalidad, afirmando que sin la formulación axiomática de los resultados potenciales, la revolución de la credibilidad empírica que transformó la economía moderna simplemente no habría tenido lugar.

12. El Legado Duradero de Donald Rubin y Horizontes Futuros de la Disciplina

12.1 Transformación del Sentido Común Científico sobre la Causalidad

El aporte histórico más profundo de Donald Rubin a la civilización contemporánea trasciende los teoremas matemáticos y las fórmulas algorítmicas: Rubin transformó el sentido común científico sobre la naturaleza de la causalidad empírica. Durante casi un siglo, el pensamiento cuantitativo permaneció paralizado ante la famosa afirmación de que «correlación no implica causalidad», un aforismo que advertía sobre los errores de la interpretación asociativa pero no ofrecía guía operativa alguna para desentrañar la causa subyacente.

Rubin superó definitivamente esa limitación epistemológica al demostrar que, si bien la correlación ingenua jamás equivale a causalidad, la causalidad sí puede ser formalmente identificada, acotada y estimada a través de diseños metodológicos rigurosos fundados en el álgebra contrafáctica. Hoy en día, la gramática de los resultados potenciales es el estándar formal e innegociable exigido por las revistas científicas líderes de medicina (como The New England Journal of Medicine y The Lancet), las publicaciones cumbre de economía y ciencia política, y los protocolos de evaluación regulatoria de la FDA y la Agencia Europea de Medicamentos (EMA). El legado de Rubin consiste en haber dotado a la humanidad de una metodología objetiva para responder preguntas cruciales: si una nueva vacuna salva vidas, si una reforma educativa incrementa los ingresos futuros o si un programa de bienestar alivia eficazmente la pobreza estructural.

12.2 Relevancia en la Era del Big Data y el Aprendizaje Profundo

Lejos de volverse anacrónico con el advenimiento del Big Data y la inteligencia artificial, el marco de pensamiento de Donald Rubin se ha vuelto más urgente y necesario que nunca. La disponibilidad masiva de registros electrónicos de salud, flujos continuos de datos telemétricos y terabytes de interacciones digitales en redes sociales no erradica el sesgo de selección; por el contrario, en matrices gigantescas, el sesgo se amplifica con extrema precisión estadística. Los algoritmos de aprendizaje profundo alimentados con macrodatos tienden a sobreajustar correlaciones accidentales complejas, produciendo recomendaciones que pueden ser devastadoramente erróneas al alterar el entorno operativo.

En este horizonte tecnológico, los aportes de Rubin experimentan una revitalización de vanguardia. La metodología de los puntajes de propensión de alta dimensión (hdPS) se utiliza rutinariamente para cribar y ajustar cientos de miles de covariables basales registradas en bases de datos hospitalarias para evaluar la seguridad farmacológica post-comercialización. Asimismo, las arquitecturas modernas de Double/Debiased Machine Learning (DML) combinan redes neuronales y algoritmos de potenciación de gradiente (gradient boosting) para estimar funciones estocásticas complejas de $e(X)$ y del valor esperado de los resultados potenciales, demostrando que la convergencia entre la computación moderna y los axiomas de Rubin constituye la frontera más dinámica de la ciencia de datos contemporánea.

12.3 Lecciones Metodológicas Fundamentales para Investigadores Futuros

Para las nuevas generaciones de metodólogos, analistas de datos, científicos computacionales e investigadores empíricos, la obra de Donald Rubin deja lecciones formativas de validez permanente:

1. La Primacía Absoluta del Diseño Experimental: Jamás debe confiarse ciegamente en que la complejidad algorítmica de un modelo de regresión puede compensar un diseño metodológico deficiente. El investigador debe conceptualizar meticulosamente su estudio visualizando el experimento aleatorizado hipotético ideal que le gustaría haber ejecutado, y estructurar el emparejamiento y el balanceo antes de aproximarse a la variable de resultado.
2. La Honestidad Intelectual ante la Incompletitud de los Datos: Los datos faltantes no son una molestia técnica que deba esconderse bajo la alfombra mediante imputaciones arbitrarias de conveniencia. Constituyen una manifestación intrínseca de incertidumbre ontológica que demanda modelado formal y honestidad mediante la imputación múltiple y el análisis de sensibilidad a los supuestos de pérdida.
3. La Transparencia Axiomática: Las afirmaciones causales no deben enunciarse mediante cajas negras matemáticas inescrutables. La formulación explícita de los resultados potenciales, la justificación sustantiva de la ignorabilidad y la delimitación rigurosa de los márgenes de soporte común son exigencias éticas y metodológicas indispensables para que la ciencia continúe siendo una empresa guiada por la reproducibilidad, la integridad analítica y la búsqueda incansable de la verdad empírica.

Conclusiones

Donald Bruce Rubin encarna una de las cumbres intelectuales de la ciencia cuantitativa contemporánea. A través de una trayectoria vitalicia consagrada a desafiar la superficialidad de las correlaciones observadas, dotó al mundo del marco formal de los resultados potenciales, resolvió de forma universal el tratamiento de los datos ausentes e inauguró con el algoritmo EM una nueva era para la computación estadística. Su pensamiento demuestra que la verdadera genialidad matemática radica en la sencillez conceptual profunda: concebir aquello que habría ocurrido si las circunstancias hubieran sido diferentes. Gracias a su obra, lo que alguna vez fue un enigma filosófico inaccesible —el problema contrafáctico de la causalidad— es hoy una disciplina rigurosa, audaz y al servicio del bienestar de la humanidad.

Referencias

• Angrist, J. D., Imbens, G. W., & Rubin, D. B. (1996). Identification of causal effects using instrumental variables. Journal of the American Statistical Association, 91(434), 444–455. https://doi.org/10.1080/01621459.1996.10476902
• Barnard, J., & Rubin, D. B. (1999). Small-sample degrees of freedom with multiple imputation. Biometrika, 86(4), 948–955. https://doi.org/10.1093/biomet/86.4.948
• Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society: Series B (Methodological), 39(1), 1–38. https://doi.org/10.1111/j.2517-6161.1977.tb01600.x
• Holland, P. W. (1986). Statistics and causal inference. Journal of the American Statistical Association, 81(396), 945–960. https://doi.org/10.1080/01621459.1986.10478354
• Imbens, G. W., & Rubin, D. B. (2015). Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction. Cambridge University Press. https://doi.org/10.1017/CBO9781139025751
• Little, R. J. A., & Rubin, D. B. (2019). Statistical Analysis with Missing Data (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119482260
• Meng, X.-L., & Rubin, D. B. (1993). Maximum likelihood estimation via the ECM algorithm: A basic approach. Biometrika, 80(2), 267–278. https://doi.org/10.1093/biomet/80.2.267
• Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55. https://doi.org/10.1093/biomet/70.1.41
• Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701. https://doi.org/10.1037/h0037350
• Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581–592. https://doi.org/10.1093/biomet/63.3.581
• Rubin, D. B. (1980). Randomization analysis of experimental data: The Fisher randomization test comment. Journal of the American Statistical Association, 75(371), 591–593. https://doi.org/10.1080/01621459.1980.10477518
• Rubin, D. B. (1986). Which ifs have causal answers. Journal of the American Statistical Association, 81(396), 961–962. https://doi.org/10.1080/01621459.1986.10478355
• Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. https://doi.org/10.1002/9780470316696
• Rubin, D. B. (1993). Satisfying disclosure restrictions with synthetic data sets. Journal of Official Statistics, 9(2), 461–466.
• Rubin, D. B. (2005). Causal inference using potential outcomes: Design, modeling, decisions. Journal of the American Statistical Association, 100(469), 322–331. https://doi.org/10.1198/016214504000001880
• Rubin, D. B. (2008). For objective causal inference, design trumps analysis. The Annals of Applied Statistics, 2(3), 808–840. https://doi.org/10.1214/08-AOAS187