Actualmente estoy trabajando en un problema en el que tenemos un pequeño conjunto de datos y estamos interesados en el efecto de causalidad de un tratamiento en el resultado.
Mi asesor me ha indicado que realice una regresión univariada en cada predictor con el resultado como respuesta, luego la asignación del tratamiento como respuesta. Es decir, se me pide que ajuste una regresión con una variable a la vez y que haga una tabla de los resultados. Le pregunté "¿por qué deberíamos hacer esto?", Y la respuesta fue algo en el sentido de "estamos interesados en qué predictores están asociados con la asignación del tratamiento y el resultado, ya que esto probablemente indicaría un factor de confusión". Mi asesor es un estadístico capacitado, no un científico en un campo diferente, por lo que me inclino a confiar en ellos.
Esto tiene sentido, pero no está claro cómo usar el resultado del análisis univariante. ¿No tomaría decisiones de selección de modelo a partir de este resultado en un sesgo significativo de las estimaciones e intervalos de confianza estrechos? ¿Por qué alguien debería hacer esto? Estoy confundido y mi asesor está siendo bastante opaco sobre el tema cuando lo mencioné. ¿Alguien tiene recursos en esta técnica?
(Nota: mi asesor ha dicho que NO estamos usando valores p como límite, sino que queremos considerar "todo").