Which Covariates to Adjust for? Specification-robust Causal Inference in Observational Studies

1. Problématique et Contexte

Dans les études observationnelles, l'estimation de l'effet moyen du traitement (ATE) repose souvent sur l'ajustement par covariables pour satisfaire la condition d'ignorabilité (absence de confusion non mesurée). Cependant, la connaissance du domaine permet souvent d'identifier plusieurs ensembles de covariables plausibles, sans qu'aucun ne puisse être confirmé comme valide empiriquement (l'ignorabilité étant non testable).

• Le dilemme : Différents ensembles d'ajustement peuvent produire des estimations contradictoires de l'ATE.
• Limites des solutions existantes :
  • Ajuster pour l'union ou l'intersection des ensembles candidats peut introduire des biais (ex: biais M ou omission de confondants).
  • La méthode de l'enveloppe convexe (convex hull) des intervalles de confiance garantit une couverture nominale si au moins un ensemble est valide, mais la largeur de l'intervalle ne diminue pas avec la taille de l'échantillon (convergence non paramétrique), rendant l'estimation imprécise.
  • Les analyses de "multivers" rapportent toute la gamme des résultats sans fournir de conclusion unique et crédible.

L'objectif est de développer une procédure qui fournit une estimation ponctuelle unique et un intervalle de confiance valide dont la largeur converge à la vitesse paramétrique $n^{-1/2}$, sous l'hypothèse que au moins un des ensembles d'ajustement candidats satisfait l'ignorabilité, sans savoir lequel.

2. Méthodologie Proposée

Les auteurs proposent une approche de répondage de la population (population reweighting) pour résoudre l'incertitude de spécification. L'idée centrale est de redéfinir la cible d'inférence vers une population répondée qui est aussi proche que possible de la population originale, mais pour laquelle tous les estimateurs candidats s'accordent.

A. Formulation de l'optimisation

Soit $S_1, \dots, S_K$ les $K$ ensembles d'ajustement candidats. Soit $\tau(X_{S_k})$ le contraste conditionnel estimé avec l'ensemble $S_k$.
L'objectif est de trouver une fonction de poids $w^*(X_{S_\cap})$ (dépendant uniquement des covariables communes à tous les ensembles, notées $S_\cap$) qui minimise la divergence de Kullback-Leibler (KL) par rapport à la distribution originale $P$, sous la contrainte que les estimands pondérés soient égaux :

$$w^* = \underset{w=w(X_{S_\cap})}{\arg\min} D_{KL}(wP \parallel P) \quad \text{sous} \quad \mathbb{E}_P[w(X_{S_\cap})\tau(X_{S_1})] = \dots = \mathbb{E}_P[w(X_{S_\cap})\tau(X_{S_K})]$$

B. Solution via l'Exponential Tilting

En utilisant les résultats de la théorie de l'information (projection I), la solution à ce problème d'optimisation convexe peut être exprimée sous forme de tilting exponentiel :
$$w^*(X_{S_\cap}) = \frac{\exp(g(X_{S_\cap})^\top \lambda^*)}{\mathbb{E}_P[\exp(g(X_{S_\cap})^\top \lambda^*)]}$$
où $g(X_{S_\cap})$ est la moyenne conditionnelle des différences de contrastes entre les ensembles, et $\lambda^*$ est un vecteur de paramètres obtenu par minimisation d'une fonction de perte convexe empirique.

C. Estimation et Inférence

1. Calcul des poids : Les auteurs utilisent des estimateurs de contraste (par exemple, forêts aléatoires généralisées ou régression linéaire) pour estimer les contrastes, puis résolvent numériquement le problème d'optimisation convexe pour obtenir les poids empiriques $\hat{w}$.
2. Estimateur Robuste : Une fois les poids obtenus, ils estiment l'ATE de la nouvelle population cible ($\tau^R$) en utilisant une combinaison affine d'estimateurs AIPW (Augmented Inverse Probability Weighting) pondérés par $\hat{w}$.
3. Correction de biais : Pour atteindre la vitesse de convergence paramétrique $n^{-1/2}$ malgré l'estimation des poids de transfert et des modèles de nuisance, une correction de biais (inspirée de la double machine learning) est appliquée. Cela permet de construire un intervalle de confiance asymptotiquement valide.

D. Extension : Protection des Covariables

L'article propose une extension permettant de contraindre les poids pour préserver la distribution de certaines fonctions des covariables (par exemple, maintenir les moyennes de certaines variables critiques), similaire à l'utilisation de calipers dans le couplage (matching). Cela permet de s'assurer que la population cible répondée reste scientifiquement pertinente.

3. Contributions Clés

1. Procédure Robuste à la Spécification : Développement d'un algorithme qui retourne un estimateur unique et un intervalle de confiance valide, garantissant la couverture asymptotique tant qu'un seul ensemble d'ajustement est valide.
2. Convergence Paramétrique : Contrairement à l'enveloppe convexe dont la largeur reste constante, la largeur de l'intervalle de confiance proposé converge à la vitesse $n^{-1/2}$, offrant une précision supérieure.
3. Interprétabilité via le Déplacement de Population : La méthode ne force pas un choix arbitraire d'ensemble d'ajustement. Elle définit explicitement une nouvelle population cible (pondérée) où les hypothèses contradictoires sont réconciliées. Les auteurs fournissent des outils de diagnostic (graphiques de densité) pour vérifier si cette nouvelle population est pertinente.
4. Gestion de l'Infeasibilité : Si les ensembles candidats sont fondamentalement incompatibles (aucune population répondée ne permet l'accord), la méthode peut identifier des sous-groupes d'ensembles compatibles, servant de guide pour l'analyse de sensibilité.

4. Résultats Empiriques

Les auteurs valident leur méthode sur des simulations et une application réelle :

• Simulations (Exemples 1 et 2) :
  • Exemple 1 (Confusion résiduelle) : Un ensemble d'ajustement omet un confondant crucial. L'ajustement sur l'intersection échoue.
  • Exemple 2 (Biais M) : Un ensemble d'ajustement inclut un collider, induisant un biais.
  • Résultat : Les méthodes traditionnelles (union, intersection, enveloppe convexe) échouent soit en termes de couverture (biais), soit en termes de précision (largeur constante). La méthode proposée maintient une couverture nominale (95%) avec des intervalles nettement plus étroits que l'enveloppe convexe.
• Application Réelle (401(k) et Actifs Financiers) :
  • Étude de l'effet de l'éligibilité au 401(k) sur les actifs nets.
  • Quatre ensembles d'ajustement emboîtés sont considérés, avec une incertitude sur la pertinence de certaines variables (ex: participation à l'IRA).
  • Résultat : L'intervalle de confiance proposé est environ 77% plus étroit que l'intervalle de l'enveloppe convexe, tout en maintenant une couverture valide. Les graphiques de densité montrent que le déplacement de la population cible est modeste, préservant l'interprétabilité.

5. Signification et Impact

Cet article apporte une solution élégante au problème de l'incertitude de spécification en inférence causale, un problème majeur dans les études observationnelles où la causalité ne peut être prouvée par les données seules.

• Changement de Paradigme : Au lieu de choisir un modèle "meilleur" ou de rapporter une fourchette infinie, la méthode accepte de changer la cible d'estimation vers une population où les modèles s'accordent, tout en quantifiant le coût de ce changement (via la divergence KL).
• Praticabilité : La méthode est applicable sans connaître le graphe causal complet, utilisant uniquement les ensembles candidats fournis par l'expert ou la littérature.
• Rigueur Théorique : La preuve de normalité asymptotique et de validité uniforme des intervalles de confiance assure la fiabilité statistique de la procédure.

En résumé, cette approche offre un compromis optimal entre la robustesse (garantie de validité si un modèle est correct) et la précision (intervalles étroits), en transformant l'incertitude de spécification en un problème d'optimisation de population répondée.