pais usando-se a estratégia analítica descrita no Apêndice 9B. Com
frequência, um investigador quer ajustar simultaneamente para vários
potenciais confundidores – como idade, sexo, raça e escolaridade. Para
isso, é necessário utilizar técnicas para ajuste multivariado, como
regressão linear multivariável, regressão logística ou análise de azares
proporcionais de Cox. Essas técnicas têm outra vantagem: permitem
utilizar toda a informação contida nas variáveis contínuas. É fácil, por
exemplo, ajustar para o nível de escolaridade do pai ou da mãe em
intervalos de um ano, em vez de estratificar a amostra em apenas poucas
categorias de grau de escolaridade. Além disso, termos de interação
podem ser usados para modelar a modificação de efeito entre as variáveis.
No entanto, o ajuste multivariado apresenta desvantagens. A mais
importante é que o modelo pode não funcionar. Os pacotes de programas
estatísticos tornaram esses modelos tão acessíveis que o investigador pode
não parar para refletir se o seu uso é adequado para as variáveis preditora
e de desfecho em questão.^2 No exemplo do Apêndice 9B, o investigador
deve examinar os dados para avaliar se a relação entre o grau de
escolaridade dos pais e o QI da criança é realmente linear. Se o padrão for
muito diferente (p. ex., a inclinação da reta se tornando mais acentuada
com o aumento da escolaridade), as tentativas de ajustar o QI para
escolaridade dos pais usando um modelo linear serão imperfeitas e a
estimativa do efeito independente do chumbo será incorreta.
Em segundo lugar, as estatísticas são frequentemente de difícil
compreensão. Isso ocorre especialmente quando são utilizadas
transformações de variáveis (p. ex., escolaridade dos pais ao quadrado) ou
termos de interação. Os investigadores devem passar o tempo que for
necessário com um estatístico (ou realizar os cursos necessários) para
assegurar que conseguirão explicar o significado dos coeficientes ou de
outras estatísticas altamente derivadas que eles planejam relatar. Como
medida de precaução, é uma boa ideia sempre começar com análises
simples, estratificadas, e buscar auxílio para compreender o que está
ocorrendo se as análises mais complicadas produzirem resultados
substancialmente diferentes.Escores de propensão
Os escores de propensão podem ser particularmente úteis em estudos