Résumé Technique : Analyse de Médiation Causale Multi-Robuste avec Traitements Continus

1. Énoncé du Problème

L'analyse de médiation causale vise à décomposer l'effet total d'un traitement sur un résultat en effets directs naturels (NDE) et en effets indirects naturels (NIE) médiés par une variable intermédiaire. Bien que des estimateurs multi-robustes existent pour les traitements binaires (Tchetgen Tchetgen et Shpitser, 2012), ils ne sont pas aisément applicables aux traitements continus sans hypothèses paramétriques fortes.

Dans les contextes de traitement continu, le paramètre d'intérêt, $\psi_0(a, a') = E[Y(a, M(a'))]$, est irrégulier dans les modèles non paramétriques. Contra aux traitements binaires où la fonction d'influence repose sur des fonctions indicatrices, les traitements continus nécessitent une évaluation ponctuelle à des valeurs spécifiques $a$ et $a'$. Cela conduit à l'absence d'une fonction d'influence à variance finie et empêche les taux de convergence standards de type racine de $n$. Les méthodes existantes pour la médiation continue (par exemple, Huber et al., 2020) reposent souvent sur la régression de l'effet (souffrant de taux de convergence lents des méthodes d'apprentissage automatique) ou sur des courbes de réponse à la dose paramétriques (souffrant de biais sous spécification). De plus, les approches précédentes de la médiation continue manquent souvent de robustesse multiple ou héritent des taux de convergence lents des estimateurs de paramètres de nuisance.

2. Méthodologie

Les auteurs proposent un estimateur multi-robuste par lissage par noyau, inspiré par les stratégies basées sur la fonction d'influence mais adapté aux traitements continus.

2.1 Identification et Cadre

La méthode repose sur les hypothèses standards de la médiation causale (Consistance, Échangeabilité Séquentielle, et Positivité) ainsi que sur l'hypothèse d'échangeabilité "cross-world" requise pour identifier les effets directs et indirects naturels. L'estimand cible est identifié via la formule de médiation :
$$\psi_0(a, a') = \int \int E[Y|A=a, M=m, X=x] f_{M|A,X}(m|a', x) f_X(x) \, dm \, dx$$

2.2 Construction de l'Estimateur

L'innovation centrale consiste à remplacer les fonctions indicatrices de la fonction d'influence pour traitement binaire par des poids de noyau (kernel weights).

1. Lissage par Noyau : Pour les valeurs de traitement $a$ et $a'$, les auteurs définissent une fonction de noyau $K_h(\cdot)$ avec une fenêtre (bandwidth) $h$. La fonction d'influence efficace est modifiée pour inclure des termes tels que $K_h(A-a)$, ce qui lisse l'évaluation ponctuelle sur un voisinage de $a$.
2. Fonctions de Nuisance : L'estimateur utilise trois fonctions de nuisance :
   • $\gamma(X, M, a) = E[Y | A=a, M, X]$ (Régression de l'effet)
   • $\alpha(a, M, X) = f_{M|A,X}(M | a, X)$ (Densité du médiateur)
   • $\lambda(a, X) = 1/f_{A|X}(a | X)$ (Densité inverse du traitement)
   • Note : Les auteurs discutent d'autres paramétrisations utilisant des ratios de densité de traitement pour éviter l'estimation explicite de la densité du médiateur, bien que la formulation primaire utilise le ratio de densité.
3. Cross-Fitting : Pour relâcher les exigences de lissage sur les fonctions de nuisance et permettre des taux de convergence plus lents, les auteurs emploient une stratégie de cross-fitting (Chernozhukov et al., 2018). L'échantillon est divisé en plis (folds) ; les fonctions de nuisance sont estimées sur un ensemble de plis et appliquées aux autres pour calculer l'équation d'estimation.
4. Estimateur Final : L'estimateur proposé $\hat{\psi}_{MR}(a, a')$ est la moyenne des solutions spécifiques à chaque pli de l'équation d'estimation dérivée de la fonction d'influence lissée.

2.3 Régularité et Convergence

La méthode nécessite des conditions spécifiques sur le noyau (Hypothèse 2) et sur les taux de convergence des estimateurs de nuisance (Hypothèses 4 et 5). Crucialement, la méthode repose sur des conditions de taux de produit : le produit des erreurs de deux estimateurs de nuisance doit converger à un taux plus rapide que $(nh^{d_A})^{-1/2}$, où $d_A$ est la dimension du traitement. Cela permet à un estimateur de nuisance de converger lentement si l'autre converge suffisamment rapidement, préservant ainsi la propriété de "multi-robustesse".

3. Contributions Clés

• Extension aux Traitements Continus : Le papier étend le cadre de la médiation basé sur la fonction d'influence des traitements binaires aux traitements continus, traitant l'irrégularité des fonctionnelles ponctuelles.
• Multi-Robustesse : L'estimateur proposé conserve la propriété de robustesse multiple : il reste consistant si deux des trois modèles de nuisance (effet, densité du médiateur, densité du traitement) sont correctement spécifiés.
• Taux de Nuisance plus Lents : En utilisant le cross-fitting et le lissage par noyau, la méthode permet aux paramètres de nuisance d'être estimés à des taux plus lents que le paramètre cible, accommodant des estimateurs d'apprentissage automatique flexibles.
• Normalité Asymptotique : Les auteurs établissent que l'estimateur est asymptotiquement normal avec un taux de convergence de $(nh^{d_A})^{-1/2}$, ce qui est plus lent que le taux standard de racine de $n$ en raison de la nature locale du lissage par noyau.
• Mise en Œuvre Pratique : Le papier fournit un cadre pour construire des intervalles de confiance, gérer le biais via le sous-lissage (undersmoothing) ou l'analyse de sensibilité, et stabiliser les poids en utilisant des estimateurs de type Hájek et le clipping.

4. Résultats

4.1 Étude de Simulation

• Consistance et Robustesse : Des simulations avec des tailles d'échantillon $n=2000, 5000, 8000$ démontrent que l'estimateur est consistant et présente un biais minimal lorsque au moins deux modèles de nuisance sont correctement spécifiés.
• Comparaison : L'estimateur proposé ($\hat{\psi}_{MR}$) surpasse un estimateur pondéré par score de propension généralisé ($\hat{\psi}_H$) et un estimateur de régression pure ($\hat{\psi}_\eta$) dans des scénarios de misspecification de modèle, montrant particulièrement un biais et une RMSE plus faibles lorsque le modèle de l'effet est mal spécifié.
• Sensibilité : La performance de l'estimateur se dégrade dans les régions de faible recouvrement (overlap) du traitement (queues de distribution), comme attendu pour les méthodes basées sur les noyaux. Les probabilités de couverture sont maintenues proches de 95 % en utilisant des fenêtres (bandwidths) sous-lissées, bien que le biais augmente avec des fenêtres plus larges.

4.2 Application : Étude Job Corps

La méthode a été appliquée pour étudier l'effet de la durée de formation Job Corps (traitement continu) sur les arrestations criminelles (résultat), médié par les semaines d'emploi.

• Résultats : L'analyse suggère qu'une formation plus longue réduit les arrestations criminelles.
  • Sous des modèles de nuisance paramétriques (M1), il y avait des preuves d'un effet indirect naturel négatif (via l'emploi) et d'un effet direct naturel négatif.
  • Sous des modèles de nuisance flexibles basés sur les RKHS (M2), le signal de l'effet indirect était atténué (plus proche de zéro), tandis que l'effet direct restait négatif mais avec des intervalles de confiance plus larges.
• Sensibilité : Les résultats étaient généralement robustes aux variations de la fenêtre de lissage et des seuils de clipping des poids, bien que l'ampleur des effets ait varié. L'analyse a souligné l'importance de vérifier le recouvrement et les tailles d'échantillons effectifs dans les contextes de traitement continu.

5. Signification et Revendications

Le papier affirme fournir un cadre rigoureux pour l'analyse de médiation causale dans des contextes où les traitements sont continus, un scénario courant dans les études de dosage, de durée et d'intensité.

• Contribution Théorique : Il traite le défi théorique des fonctionnelles irrégulières dans les modèles de traitement continu non paramétriques en introduisant une fonction d'influence lissée par noyau qui atteint la normalité asymptotique et la multi-robustesse.
• Utilité Pratique : La méthode permet aux chercheurs d'estimer des surfaces de médiation sans dépendre de fortes hypothèses paramétriques sur la courbe de réponse à la dose, tout en accommodant des fonctions de nuisance complexes via l'apprentissage automatique.
• Limites Reconnues : Les auteurs notent modestement que la méthode est sujette à la "malédiction de la dimensionnalité" concernant la variable de traitement ; elle est plus pratique pour des traitements continus scalaires ou de faible dimension. Ils soulignent également que si le cross-fitting gère l'erreur d'estimation de la nuisance, il ne résout pas le manque fondamental de support de données dans les régions de faible densité de la distribution du traitement, nécessitant des diagnostics et des analyses de sensibilité prudents.

Le travail ne prétend pas résoudre tous les défis de la médiation continue (par exemple, les médiateurs de haute dimension ou l'estimation de courbe entièrement adaptative aux données sans grilles pré-spécifiées sont laissés pour des travaux futurs) mais établit une approche fondamentale et multi-robuste pour l'estimation ponctuelle.