Local Variable and Neighborhood Selection for Firearm Fatality in the Southeast USA

Résumé technique : Variables locales et sélection de voisinage pour la mortalité par arme à feu dans le sud-est des États-Unis

Énoncé du problème
Les décès liés aux armes à feu aux États-Unis présentent une hétérogénéité spatiale significative, dictée par les variations locales des distributions de race, d'âge, de sexe et de revenu. Bien qu'une littérature abondante existe sur la sélection de variables pour les données indépendantes (ex. : LASSO, SCAD) et que certains travaux existent sur les données spatiales, une lacune critique subsiste : l'absence de méthodes pour la sélection de variables locales et l'inférence post-sélection pour des données de comptage corrélées spatialement et présentant une surdispersion. Les approches traditionnelles supposent souvent une importance globale des variables ou imposent des structures de voisinage spatial ad hoc (ex. : voisins de premier ou second ordre fixes) qui ne parviennent pas à capturer l'anisotropie directionnelle ou les variations locales de la structure de l'effet aléatoire spatial latent. Cet article traite du défi consistant à identifier les facteurs socio-économiques influents et la structure de voisinage spatiale appropriée spécifiquement pour les localisations où les comptages de décès par arme à feu dépassent un certain seuil.

Méthodologie
Les auteurs proposent un cadre de sélection de variables et d'inférence localisé en deux étapes pour des données de type binomiale négative (BN) indexées spatialement.

1. Étape 1 : Sélection de variables locales (LSPMLE) :

   • Localisation : La méthode localise la fonction moyenne autour d'un emplacement de référence $s^{(0)}_i$ en utilisant un développement en série de Taylor. Cela décompose les coefficients de régression $\beta_k(s)$ en une interception locale ($\gamma_k$), une pente horizontale ($\delta_k$) et une pente verticale ($\tau_k$), permettant ainsi une variation directionnelle des effets des prédicteurs.
   • Pénalisation : Une pénalité SCAD (Smoothly Clipped Absolute Deviation) est appliquée à la pseudo-vraisemblance localisée pour sélectionner les prédicteurs pertinents. Cette opération est effectuée sous l'hypothèse initiale de l'absence d'effets aléatoires afin d'identifier l'ensemble des covariables actives $\hat{A}^{(i)}_n$ pour l'emplacement spécifique.
   • Optimisation : L'optimisation utilise un algorithme de descente de coordonnées accéléré par Anderson pour gérer efficacement les problèmes locaux de haute dimension et la colinéarité. Les paramètres de réglage (largeur de bande $h$ et pénalité $\lambda$) sont sélectionnés via un critère WQBIC (Weighted Quasi-BIC).

2. Étape 2 : Inférence de voisinage local :

   • Réajustement : En utilisant les prédicteurs sélectionnés à l'étape 1, le modèle est réajusté sans pénalités pour estimer les coefficients de régression et l'effet aléatoire spatial.
   • Sélection de voisinage : La méthode évalue 15 structures de voisinage spatial distinctes (incluant les voisins standards de type « tour du roi » et les structures anisotropes directionnelles comme Nord uniquement, Est-Ouest, ou combinaisons Sud-Ouest).
     est identifiée. Cela permet l'inférence de la variation directionnelle de la structure de dépendance spatiale.

Propriétés théoriques
Les auteurs établissent des résultats théoriques sous asymptotique d'inflexion (infill asymptotics), où le nombre de points d'échantillonnage à l'intérieur d'une région spatiale fixe augmente.

• Existence et cohérence : Les auteurs prouvent l'existence d'un maximum local pour la vraisemblance pénalisée.
• Taux de convergence : L'estimateur converge à une vitesse de $O_P(\alpha_n)$, où $\alpha_n = \sqrt{K_n/N_n}$ ($K_n$ est le nombre de prédicteurs, $N_n$ est la taille de l'échantillon).
• Sélection de la parcimonie : Sous des conditions de régularité spécifiques (incluant des hypothèses sur la matrice d'information de Fisher et le comportement de la dérivée SCAD), la méthode atteint une sélection de parcimonie cohérente, ce qui signifie qu'elle identifie correctement les coefficients nuls avec une probabilité tendant vers un lorsque la taille de l'échantillon croît.

Contributions clés

1. Approche localisée en deux étapes : L'introduction d'un cadre qui sélectionne d'abord les prédicteurs localement via SCAD (en supposant l'absence d'effets aléatoires) puis estime les coefficients de régression et la topologie du voisinage en utilisant les prédicteurs sélectionnés.
2. Caractérisation de la variation directionnelle : La méthode modélise et identifie explicitement la variation directionnelle dans la surface des coefficients (ex. : un prédicteur peut avoir un effet plus marqué dans la direction Est-Ouest que Nord-Sud) et dans la structure du voisinage spatial.
3. Sélection de voisinage pilotée par les données : Au lieu de supposer une structure spatiale fixe, la méthode identifie le type de voisinage spatial le plus approprié (ex. : premier ordre, anisotropie directionnelle) pour des comtés spécifiques de type « points chauds ».
4. Application aux données de surface surdispersées : Il s'agit du premier travail effectuant la sélection de variables locales pour des données de surface surdispersées (modélisées via la distribution binomiale négative).

Résultats

• Étude de simulation : La méthode (LSPMLE) a été testée sur des données de comptage spatiales simulées avec 800 prédicteurs et des tailles d'échantillon variables. Les résultats ont démontré que LSPMLE surpasse le SCAD global et le LASSO adaptatif (AL) global en termes de Probabilité de sélection de variables locales vraies (TLVSP) et de Probabilité de sélection de variables globales vraies (TGVSP), particulièrement à mesure que la taille de l'échantillon augmente. La méthode a réussi à récupérer les véritables ensembles de variables locales et les structures de voisinage latentes.
• Analyse de données réelles (Sud-Est des USA, 2024) : Le cadre a été appliqué aux données de mortalité par arme à feu dans les comtés du sud-est des États-Unis.
  • Résultats spécifiques aux comtés : L'analyse a révélé que les prédicteurs influents varient selon le comté. Par exemple, dans les comtés de Floyd et Knott (Kentucky), l'âge médian des populations masculines et féminines ainsi que les populations de femmes hawaïennes et des îles du Pacifique ont été sélectionnés, tandis que dans le comté de Dougherty (Géorgie), les variables liées aux hommes blancs et aux populations amérindiennes étaient significatives.
  • Structure de voisinage : La structure de voisinage spatiale optimale variait selon l'emplacement. Par exemple, le comté de Franklin (Floride) présentait une dépendance spatiale principalement le long du côté ouest, tandis que le comté de Floyd (Kentucky) était mieux modélisé par une structure standard de type « tour du roi » (premier ordre).
  • Comparaison : Les méthodes globales (AL et SCAD) ont sélectionné un ensemble uniforme de variables et une structure de voisinage globale unique (principalement directionnelle vers le Nord), échouant à capturer l'hétérogénéité locale identifiée par la méthode proposée.

Signification et affirmations
L'article affirme que sa principale importance réside dans le fait de combler le « vide » dans la littérature concernant la sélection de variables locales pour des données spatialement corrélées et surdispersées. En s'éloignant des hypothèses globales, la méthode offre :

1. Inférence locale : La capacité de sélectionner des variables spécifiques au contexte sociodémographique d'un lieu (ex. : sélectionner les jeunes hommes noirs comme facteur de risque dans un comté, tandis que les femmes blanches plus âgées sont le facteur déterminant dans un autre).
2. Aperçu directionnel : L'identification de la manière dont les prédicteurs sélectionnés exercent une influence directionnelle (ex. : effets plus forts le long d'axes géographiques spécifiques).
3. Flexibilité structurelle : L'élimination des hypothèses ad hoc concernant les structures de voisinage spatial, permettant aux données de dicter le type de dépendance spatiale approprié (ex. : anisotrope vs isotrope) pour chaque point chaud.

Les auteurs concluent que cette approche offre une compréhension plus nuancée des moteurs de la mortalité par arme à feu, ce qui est crucial pour des interventions de santé publique ciblées. Ils notent que des travaux futurs pourraient étendre cela aux modèles linéaires généralisés complets, aux cadres de vraisemblance pénalisée unifiés avec des effets aléatoires spatiaux, et aux contextes spatio-temporels.