Two-stage Estimation of Latent Variable Regression Models: A General, Root-N Consistent Solution

Résumé Technique : Estimation en deux étapes de modèles de régression à variables latentes

Énoncé du Problème
Les modèles à variables latentes (VL) sont des standards dans la recherche en psychologie pour l'opérationnalisation de construits inobservables. Bien que l'estimation par maximum de vraisemblance (ML) en une seule étape soit le « gold standard », elle fait souvent face à des limites pratiques, notamment l'instabilité numérique (ex: non-convergence, cas de Heywood), l'intraitabilité computationnelle due aux intégrales complexes dans les modèles multidimensionnels, les contraintes logicielles et les problèmes de disponibilité des données (ex: seuls des scores composites sont disponibles). Par conséquent, les chercheurs ont fréquemment recours à la régression de scores de facteurs (FSR) en deux étapes. Dans la FSR, un modèle de mesure est ajusté en premier pour prédire les scores de facteurs, qui sont ensuite traités comme des variables observées dans une régression structurelle de seconde étape. Cependant, l'application naïve de la FSR produit des estimations biaisées des paramètres structurels en raison de l'erreur de mesure et de la divergence entre la structure de covariance des scores de facteurs et celle des véritables variables latentes. Les méthodes de correction de biais existantes sont souvent limitées à des classes de modèles spécifiques (ex: SEM linéaires) ou nécessitent des types de scores de facteurs particuliers, manquant d'une solution générale et efficace sur le plan computationnel pour des modèles VL plus larges.

Méthodologie
Les auteurs proposent un cadre général de correction de biais pour l'estimation en deux étapes, applicable aux modèles statistiques paramétriques avec plusieurs paramètres focaux et de nuisance. La méthode est spécifiquement adaptée à la FSR mais est conçue comme une solution « boîte noire » ne nécessitant qu'une dérivation analytique minimale.

1. Cadre Statistique : Le vecteur de paramètres $\theta$ est partitionné en paramètres de nuisance ($\nu$, ex: paramètres de mesure) et paramètres focaux ($\phi$, ex: coefficients de régression structurelle). La procédure en deux étapes estime d'abord $\hat{\nu}$, puis estime $\hat{\phi}$ conditionnellement à $\hat{\nu}$.
2. Stratégie de Correction de Biais : S'appuyant sur Leung et Wang (1998), les auteurs définissent une fonction $h(\phi; \nu) = E[\hat{\phi}(Y; \nu)]$, représentant la valeur attendue de l'estimateur initial (biaisé). L'estimateur corrigé du biais $\hat{\phi}_{BC}$ est obtenu en inversant cette relation : $\hat{\phi}_{BC} = h^{-1}(\hat{\phi})$.
3. Fondement Théorique : L'article établit la $\sqrt{n}$-cohérence de l'estimateur corrigé du biais sous des conditions de régularité modérées. Une proposition clé démontre que si les estimateurs initiaux sont conjointement $\sqrt{n}$-cohérents, l'estimateur du paramètre focal corrigé du biais est également $\sqrt{n}$-cohérent pour le vrai paramètre $\phi^*$, avec une matrice de covariance asymptotique (ACM) dérivée.
4. Algorithmes Computationnels : Pour éviter des dérivations analytiques complexes de $h(\phi; \nu)$ et de ses dérivées, les auteurs introduisent deux algorithmes stochastiques :
   • Estimation Ponctuelle (Algorithme 1) : Un algorithme d'approximation stochastique (SA) de type Robbins-Monro. Il met à jour de manière itérative les paramètres focaux en simulant des données à partir du modèle en utilisant les estimations de paramètres actuelles et en comparant l'estimateur initial des données simulées à celui des données observées.
   • Estimation de la Variance (Algorithme 2) : Une procédure basée sur Monte Carlo utilisant la perturbation simultanée (SP) pour approximer numériquement les matrices Jacobiennes requises pour l'ACM. Cela permet de calculer des erreurs types (SE) valides qui tiennent compte de l'incertitude transmise de la première étape.

Contributions Clés

• Généralisabilité : Contrairement aux solutions précédentes restreintes aux SEM linéaires ou à des types spécifiques de scores de facteurs (ex: scores de Bartlett ou de régression), la méthode proposée s'applique à une large classe de modèles VL, incluant ceux avec des relations structurelles non linéaires et des variables manifestes non normales (ex: modèles de la théorie de la réponse aux items).
• Efficacité Computationnelle : La méthode repose sur l'approximation stochastique et la simulation de Monte Carlo plutôt que sur des solutions analytiques de forme fermée, ce qui la rend adaptable à des modèles complexes où le ML en une étape est computationnellement prohibitif.
• Robustesse au Choix du Score de Facteur : Le cadre ne nécessite pas que l'utilisateur sélectionne des types spécifiques de scores de facteurs (ex: régression vs Bartlett) pour atteindre la cohérence ; la correction du biais fonctionne quel que soit la méthode de scoring initiale utilisée.
• Rigueur Théorique : L'article fournit une preuve formelle de la $\sqrt{n}$-cohérence et une méthode pour dériver des erreurs types de grand échantillon valides pour les estimateurs corrigés.

Résultats
Trois études de simulation ont été menées pour évaluer la FSR corrigée du biais (BC-FSR) proposée par rapport à la FSR naïve et au ML en une étape (et au DWLS pour l'étude 3) :

1. Étude 1 (Régression Latente Simple) : Dans les modèles avec des variables manifestes continues, la FSR naïve présentait un biais d'atténuation significatif (jusqu'à 19 % pour les pentes) et un biais de variance. La BC-FSR a réduit le biais relatif à presque zéro (<5 %) dans toutes les conditions et tous les types de scores de facteurs (moyenne, Bartlett, régression), égalant les performances du ML en une étape tant en précision qu'en efficacité.
2. Étude 2 (Modération Latente) : Dans un modèle d'interaction bilinéaire avec des résultats non normaux, la FSR naïve a montré un biais substantiel (jusqu'à 33 % pour les effets d'interaction). La BC-FSR a réussi à récupérer les paramètres avec un biais négligeable, égalant la performance du ML en une étape (calculé via l'intégration numérique dans Mplus).
3. Étude 3 (IRT Multidimensionnelle) : Dans un modèle complexe avec des items dichotomiques et plusieurs prédicteurs, la FSR naïve a montré des biais allant de 8 % à 33 % selon le paramètre. La BC-FSR a éliminé ce biais, se comportant de manière similaire au ML en une étape (via l'algorithme MH-RM) et au DWLS.
   Dans toutes les études, les estimations de SE par Monte Carlo (Algorithme 2) étaient précises, avec un biais relatif des SE généralement inférieur à 10 %.

Signification et Revendications
Les auteurs affirment que leur approche transforme la stratégie intuitive « mesurer-puis-structurelle » (FSR) d'une heuristique sujette au biais en une méthode d'estimation statistiquement valide et $\sqrt{n}$-cohérente. La portée de ce travail réside dans :

• Utilité Pratique : Elle offre une alternative directe au ML en une étape pour les chercheurs confrontés à des contraintes computationnelles ou de données, sans sacrifier la précision asymptotique.
• Changement Méthodologique : Elle remet en question la vue conventionnelle selon laquelle la FSR naïve est intrinsèquement défectueuse et irrécupérable, démontant que le biais peut être systématiquement éliminé via l'approximation stochastique.
• Accessibilité : En minimisant la dépendance aux dérivations analytiques, la méthode abaisse la barrière à l'application de l'estimation rigoureuse en deux étapes à des modèles VL complexes et personnalisés qui dépassent les capacités des logiciels standards.

L'article conclut que la BC-FSR proposée jouit de la commodité de mise en œuvre des méthodes en deux étapes tout en atteignant la rigueur théorique et l'efficacité des méthodes en une étape, permettant potentiellement aux chercheurs d'examiner un éventail plus large de relations complexes entre les construits latents.