📊 statistics

Asymptotic inference with flexible covariate adjustment under rerandomization and stratified rerandomization

Cet article établit la théorie asymptotique pour une large classe d'estimateurs ajustés aux covariables, incluant les estimateurs M et les méthodes d'apprentissage automatique adaptatives aux données, sous le rerandomisation et la rerandomisation stratifiée, démontrant que si ces designs préservent la linéarité asymptotique, ils peuvent induire des distributions non gaussiennes à moins que les covariables ne soient correctement ajustées pour restaurer la normalité et l'efficacité asymptotiques.

Auteurs originaux : Bingkai Wang, Fan Li

Publié 2026-05-18

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Bingkai Wang, Fan Li

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous organisez une compétition de cuisine massive. Vous avez deux équipes : l'Équipe A (utilisant une nouvelle recette secrète) et l'Équipe B (utilisant l'ancienne recette standard). Votre objectif est de déterminer quelle recette produit une meilleure nourriture.

Pour rendre le test équitable, vous devez vous assurer que les équipes sont également réparties avant qu'elles ne commencent à cuisiner. Si l'Équipe A obtient tous les chefs professionnels et que l'Équipe B obtient tous les débutants, vous ne pouvez pas déterminer si la recette est meilleure ou si ce sont simplement les chefs.

Le Problème : Le « lancer de pièce » n'est pas parfait

Habituellement, les scientifiques utilisent la Randomisation Simple, qui consiste à lancer une pièce pour chaque personne afin de décider de son équipe. Bien que cela soit équitable en moyenne, on peut parfois avoir de la malchance. Vous pourriez obtenir pile dix fois de suite, plaçant tous les « chefs professionnels » dans l'Équipe A. C'est ce qu'on appelle le déséquilibre.

La Solution : La « Réaffectation » (Le Juge Strict)

Pour corriger cela, les auteurs introduisent une méthode appelée Réaffectation.
Imaginez un juge strict qui observe chaque lancer de pièce.

Le juge lance les pièces.
Le juge vérifie les équipes. « Oh, l'Équipe A a trop de pros et l'Équipe B a trop de débutants. Ce n'est pas équitable. »
Le juge rejette cet ensemble complet d'affectations et recommence.
Ils continuent à lancer et à vérifier jusqu'à ce qu'ils trouvent un ensemble d'équipes qui semble parfaitement équilibré.

Cela garantit que la ligne de départ est équitable. Mais voici la grande question à laquelle l'article répond : Cette rigueur du juge modifie-t-elle la façon dont nous calculons les résultats à la fin ?

L'Ancienne Méthode vs La Nouvelle Méthode

Par le passé, les statisticiens savaient que si vous utilisiez des mathématiques simples (comme une ligne droite) pour ajuster les différences entre les équipes, le juge strict (la réaffectation) n'avait pas vraiment d'importance pour le calcul final. Vous pouviez simplement faire comme si vous aviez lancé des pièces normalement.

Cependant, la science moderne utilise des outils beaucoup plus complexes et flexibles (comme l'Apprentissage Automatique ou les Modèles Linéaires Généralisés) pour analyser les données. Ces outils sont comme des « algorithmes intelligents » capables de trouver des motifs complexes dans les données, et pas seulement des lignes droites.

La grande inconnue était : Si vous utilisez ces outils sophistiqués et flexibles, le juge strict (la réaffectation) fausse-t-il les mathématiques ? Rend-il les résultats étranges ou imprévisibles ?

La Découverte de l'Article : « La Magie de l'Ajustement »

Les auteurs, Wang et Li, ont effectué le lourd travail mathématique pour prouver deux points principaux :

1. La « Forme » des Résultats Change (Mais seulement si vous ignorez le juge)
Si vous utilisez un outil sophistiqué mais oubliez de lui indiquer les règles du juge strict, les mathématiques deviennent étranges. Les résultats ne suivent pas la « courbe en cloche » standard (la distribution normale) que les statisticiens affectionnent. C'est comme essayer de mesurer un objet rond avec une règle carrée ; les chiffres sont déformés.

2. La Correction : Indiquez Simplement l'Outil au Juge
L'article prouve que si vous incluez simplement les variables utilisées par le juge (les « covariables de base » comme l'âge, le niveau de compétence, etc.) dans votre outil d'analyse sophistiqué, tout redevient normal.

L'Analogie : Imaginez que vous expliquez les résultats de la cuisine à un journaliste. Si vous dites : « Nous avons utilisé un juge strict pour choisir les équipes, et voici les variables sur lesquelles le juge s'est penché », le journaliste peut comprendre parfaitement les mathématiques.
Le Résultat : Une fois que vous avez ajusté ces variables, les outils sophistiqués fonctionnent exactement comme s'ils avaient simplement lancé des pièces. Le « juge strict » devient invisible pour le calcul final.

Qu'en est-il de la « Réaffectation Stratifiée » ?

Parfois, vous ne voulez pas seulement équilibrer le groupe entier ; vous voulez d'abord équilibrer des sous-groupes spécifiques (par exemple, s'assurer que chaque équipe a un mélange égal d'hommes et de femmes, puis équilibrer leurs compétences culinaires). C'est ce qu'on appelle la Réaffectation Stratifiée.

Les auteurs montrent que la même magie fonctionne ici aussi. Si vous indiquez à votre outil d'analyse sophistiqué à la fois les sous-groupes (strates) et les variables que le juge a équilibrées, les mathématiques restent propres et normales.

Le « Super-Outil » (Apprentissage Automatique)

L'article examine également les modèles d'Apprentissage Automatique (IA), qui sont les outils les plus flexibles de tous. Ces outils peuvent apprendre à partir des données sans que vous leur disiez exactement quoi chercher.

La Découverte : Même avec ces outils d'IA super-intelligents, si vous vous assurez que l'IA « voit » les variables que le juge a équilibrées, l'IA reste parfaitement efficace. Elle trouve la vraie réponse aussi vite que possible, et les mathématiques tiennent bon.

La Conclusion pour le Grand Public

Si vous menez une expérience (comme un essai clinique ou un test de politique) et que vous utilisez une méthode stricte pour garantir que les groupes sont équilibrés au départ :

Ne paniquez pas : Vous n'avez pas besoin de jeter vos outils d'analyse complexes.
Soyez simplement honnête : Lorsque vous effectuez votre analyse, assurez-vous d'inclure les facteurs spécifiques que vous avez utilisés pour équilibrer les groupes.
Le Résultat : Vos résultats seront précis, vos intervalles de confiance seront corrects, et vous pourrez faire confiance aux chiffres tout autant que si vous aviez utilisé de simples lancers de pièces.

L'article donne essentiellement un « feu vert » à l'utilisation des outils statistiques les plus avancés et flexibles dans les expériences utilisant un équilibrage strict, à condition de se souvenir d'informer les mathématiques des règles d'équilibrage.

Résumé technique : Inférence asymptotique avec ajustement flexible des covariables sous rerandomisation et rerandomisation stratifiée

Énoncé du problème
La rerandomisation est une procédure de randomisation restreinte conçue pour contrôler le déséquilibre des covariables de base en rejetant les schémas d'allocation de traitement qui ne satisfont pas un critère d'équilibre prédéfini. Bien que les propriétés asymptotiques des estimateurs non ajustés et ajustés linéairement sous rerandomisation aient été largement étudiées dans un cadre basé sur la conception de population finie, il reste incertain si ces résultats se généralisent à la classe plus large des estimateurs M. Cette classe inclut des stratégies d'ajustement flexible des covariables telles que la g-computation avec des modèles linéaires généralisés, les estimateurs doublement robustes pour les données manquantes, les modèles à effets mixtes pour les essais randomisés en grappes, et les estimateurs efficaces utilisant des apprenants automatiques adaptatifs aux données. La littérature existante fait défaut d'une théorie asymptotique formelle pour ces estimateurs sous rerandomisation, créant un vide dans la compréhension de la manière de conduire une inférence valide lorsque l'ajustement flexible est combiné à une randomisation restreinte.

Méthodologie
Les auteurs adoptent un cadre basé sur l'échantillonnage d'une super-population, en supposant des tirages indépendants et identiquement distribués (i.i.d.) à partir d'une distribution inconnue ayant des moments d'ordre deux finis. L'étude couvre deux procédures de randomisation principales :

Rerandomisation : Les affectations de traitement sont régénérées jusqu'à ce que la distance de Mahalanobis (ou une distance généralisée) de la statistique de déséquilibre sur un sous-ensemble de covariables ( $X_r$ ) tombe en dessous d'un seuil $t$ .
Rerandomisation stratifiée : Une combinaison de randomisation stratifiée (pour assurer un équilibre exact sur les strates catégorielles) et de rerandomisation (pour contrôler le déséquilibre sur les covariables continues).

L'article développe une théorie asymptotique pour les estimateurs M, définis comme les solutions d'équations d'estimation $\sum \psi(O_i; \theta) = 0$ , et pour les estimateurs efficaces basés sur la fonction d'influence efficace (EIF) utilisant l'apprentissage automatique double (DML) avec couplage croisé (cross-fitting). L'analyse aborde la corrélation entre les observations induite par l'échantillonnage par rejet inhérent à la rerandomisation.

Contributions et résultats clés

Linéarité asymptotique et invariance de la fonction d'influence :
Les auteurs démontrent que pour tout estimateur M satisfaisant des conditions de régularité standard, la linéarité asymptotique et la fonction d'influence restent identiques sous randomisation simple et sous rerandomisation. Par conséquent, si un estimateur est consistant sous randomisation simple, il reste consistant sous rerandomisation. Ce résultat élimine la nécessité de redériver les fonctions d'influence pour les estimateurs M sous rerandomisation.
Distribution asymptotique non gaussienne :
Contrairement à la randomisation simple, qui produit une normalité asymptotique, la rerandomisation conduit généralement à une distribution asymptotique non gaussienne. La distribution limite est montrée comme étant une combinaison linéaire d'une variable normale standard et d'une variable normale tronquée :
$\sqrt{n}(\hat{\Delta} - \Delta) \xrightarrow{d} \sqrt{V} \left( \sqrt{1-R^2} z + \sqrt{R^2} r_{q,t} \right)$
où $z \sim N(0,1)$ , $r_{q,t}$ est une variable normale tronquée, $V$ est la variance asymptotique sous randomisation simple, et $R^2$ mesure l'alignement entre la fonction d'influence de l'estimateur et les covariables rerandomisées. Cette distribution est symétrique et en forme de cloche, mais sa variance est réduite d'un facteur dépendant de $R^2$ et du seuil d'équilibre $t$ .
Conditions de normalité asymptotique (Ignorabilité de la rerandomisation) :
L'article identifie des conditions spécifiques sous lesquelles $R^2 = 0$ , rendant la distribution asymptotique normale et la procédure de rerandomisation asymptotiquement ignorable lors de l'étape d'analyse. Pour les estimateurs courants (ANCOVA, g-computation par régression logistique, DR-WLS et ANCOVA mixte), la normalité asymptotique est atteinte si :
- L'allocation du traitement est équilibrée ( $\pi=0.5$ ) et le paramètre d'intérêt est sur l'échelle des différences ;
- Le modèle de régression de l'issue inclut des termes d'interaction traitement-covariables pour les variables de rerandomisation ; ou
- Le modèle de régression de l'issue est correctement spécifié.
  Crucialement, si le modèle d'analyse ajuste pour les variables de rerandomisation (et les variables de strate dans le cas stratifié), les procédures d'inférence standard basées sur la normalité asymptotique restent valides.
Extension à la rerandomisation stratifiée :
Des résultats parallèles sont établis pour la rerandomisation stratifiée. La distribution asymptotique suit une forme similaire, avec des ajustements de la composante de variance pour tenir compte de la réduction de variance due à la stratification. La condition de normalité asymptotique exige l'ajustement à la fois pour les variables de rerandomisation et pour les indicateurs de strate.
Estimateurs efficaces avec apprentissage automatique :
Les auteurs étendent ces résultats aux estimateurs efficaces basés sur la fonction d'influence efficace et aux apprenants automatiques adaptatifs aux données (DML). Ils démontrent que tant que les modèles d'apprentissage automatique ajustent pour les variables de rerandomisation, les estimateurs restent semi-paramétriquement efficaces. La distribution asymptotique suit la même forme non gaussienne sauf si l'ensemble d'ajustement inclut les variables de rerandomisation, auquel cas $R^2=0$ et la normalité est rétablie. L'article démontre que la rerandomisation n'abaisse pas la borne classique d'efficacité semi-paramétrique mais peut réduire la variance des estimateurs qui ne sont pas orthogonaux aux covariables pronostiques.

Importance et affirmations
L'article prétend fournir le premier développement formel d'une théorie asymptotique pour une classe générale d'estimateurs ajustés des covariables sous rerandomisation et rerandomisation stratifiée. Son importance principale réside dans :

Clarification des procédures d'inférence : Il démontre que pour de nombreux estimateurs couramment utilisés, si l'ajustement de l'analyse est approprié pour les variables utilisées dans la conception de la randomisation, l'inférence standard (en supposant une randomisation simple) est asymptotiquement valide. Cela simplifie l'application pratique de la rerandomisation.
Liaison entre conception et analyse : Les résultats relient les avantages basés sur la conception de la rerandomisation (amélioration de l'équilibre) aux avantages basés sur l'analyse de l'ajustement flexible des covariables, montrant que les deux sont complémentaires mais que les gains d'efficacité de la rerandomisation peuvent être entièrement capturés par l'ajustement dans les grands échantillons.
Validation des approches d'apprentissage automatique : Ce travail soutient l'utilisation d'apprenants automatiques adaptatifs aux données dans les expériences rerandomisées, prouvant leur optimalité d'efficacité et fournissant la justification théorique nécessaire à leur comportement asymptotique.

Les auteurs notent que, bien que leurs résultats soient dérivés dans un cadre de super-population, ils servent de contreparties basées sur l'échantillonnage aux résultats antérieurs basés sur la conception pour les estimateurs linéaires. Ils reconnaissent que, dans les petits échantillons, en particulier avec de faibles tailles d'échantillon ou une mauvaise spécification du modèle, la rerandomisation peut encore offrir des gains de précision même si la variance asymptotique est théoriquement inchangée, un phénomène observé dans leurs simulations et leur réanalyse d'un essai randomisé en grappes.