Résumé Technique : Estimation Directe par Double Robustesse des Contrastes de Quantiles Conditionnels

Formulation du Problème

Dans l'analyse des effets de traitement hétérogènes (HTE), les chercheurs cherchent à quantifier l'effet d'un traitement $A$ sur un résultat $Y$ conditionnellement à des covariables $X$. Bien que l'Effet de Traitement Moyen Conditionnel (CATE) et l'Effet de Traitement de Quantile Conditionnel (CQTE) soient des estimands standards, ils possèdent des limitations distinctes. Le CATE offre une interprétabilité mais manque de granularité concernant les décalages de distribution, tandis que le CQTE fournit des résumés granulaires au niveau des quantiles mais manque souvent d'une interprétabilité directe dans l'espace de la réponse (par exemple, relier un effet de traitement à une valeur de réponse non traitée spécifique plutôt qu'à un niveau de quantile).

Le Comparateur de Quantile Conditionnel (CQC), noté $g^*(y_0|x)$, a été introduit pour combler cette lacune. Il associe une réponse non traitée $y_0$ et une covariable $x$ à la valeur de la réponse traitée qui partage le même quantile conditionnel. Cela permet une interprétation naturelle des effets de traitement comme des décalages additifs ou multiplicatifs sur la réponse elle-même. Cependant, la méthode d'estimation existante pour le CQC (Givens et al., 2024) repose sur un processus indirect en deux étapes :

1. Estimer une fonction de contraste intermédiaire de type "CCDF" $h(y_1, y_0, x) = F_1(y_1|x) - F_0(y_0|x)$.
2. Inverser cette fonction pour trouver $y_1$ tel que $h=0$.

Cette approche par inversion souffre de trois lacunes principales :

• Absence de forme explicite : L'estimateur résultant $\hat{g}$ n'est pas paramétré explicitement, ce qui entrave les contraintes de modèle, la régularisation et l'interprétabilité.
• Propagation de l'erreur : La précision de l'estimation dépend de la complexité de la fonction intermédiaire $h$ plutôt que de la fonction cible $g^*$.
• Coût computationnel : Évaluer l'estimateur nécessite de rechercher sur une grille de valeurs de $y_1$ pour chaque requête, ce qui est coûteux en termes de calcul.

Méthodologie

L'article propose le premier estimateur direct pour le CQC, contournant l'étape d'inversion en formulant le problème comme une tâche d'estimation M.

Construction de la Fonction de Perte

Les auteurs définissent une fonction de perte $\bar{\ell}(y_1, y_0, x)$ basée sur l'intégrale de la fonction de contraste $h$ :
$$\bar{\ell}(y_1, y_0, x) = \int_{g^*(y_0|x)}^{y_1} h(t, y_0, x) \, dt$$
où $h(t, y_0, x) = F_1(t|x) - F_0(y_0|x)$. Par le théorème fondamental de l'analyse, cette perte est minimisée lorsque $y_1 = g^*(y_0|x)$. Les auteurs paramètrent le CQC sous la forme $g_\theta(y_0|x)$ et définissent la perte de population $L(\theta) = \mathbb{E}[\ell(\theta, Y_0, X)]$.

Estimateur de Gradient à Double Robustesse

Puisque les distributions conditionnelles vraies $F_a$ et le score de propension $\pi$ sont inconnus, les auteurs construisent un estimateur de gradient à double robustesse (DR) $\zeta_{dr}$ pour effectuer une descente de gradient sur la perte empirique. Le gradient de la perte par rapport aux paramètres $\theta$ est estimé en utilisant :
$$\zeta_{dr}(\theta, y_0, z) = \nabla_\theta g_\theta(y_0|x) \left[ \frac{A}{\pi(x)}\{1\{Y \le g_\theta(y_0|x)\} - F_1(g_\theta(y_0|x)|x)\} - \frac{1-A}{1-\pi(x)}\{1\{Y \le y_0\} - F_0(y_0|x)\} + F_1(y_1|x) - F_0(y_0|x) \right]$$
Cet estimateur utilise le fractionnement d'échantillons (ou cross-fitting) pour assurer l'indépendance entre les estimations des paramètres de nuisance ($\hat{\pi}, \hat{F}_0, \hat{F}_1$) et les données utilisées pour ajuster les paramètres du CQC.

Optimisation

La procédure d'estimation (Algorithme 1) implique :

1. Diviser les données en deux ensembles pour estimer les paramètres de nuisance et ajuster le CQC.
2. Utiliser les paramètres de nuisance estimés pour calculer l'estimateur de gradient de Monte Carlo $\hat{J}_{dr}$.
3. Mettre à jour les paramètres $\theta$ via la descente de gradient (par exemple, Adam) pour minimiser la perte.

Contributions Clés

1. Premier Estimateur Direct : L'article fournit la première méthode pour estimer directement le CQC sans inverser une fonction intermédiaire, permettant une paramétrisation explicite (ex: modèles linéaires, réseaux de neurones).
2. Garanties Théoriques : Les auteurs dérivent des bornes d'erreur d'estimation en échantillon fini. Ils prouvent que la méthode conserve la propriété de double robustesse : l'estimateur atteint des taux de convergence optimaux même si les paramètres de nuisance (score de propension et CCDF) sont estimés à des taux plus lents, à condition que le produit de leurs erreurs converge suffisamment vite.
3. Dépendance de l'Erreur : L'analyse théorique montre que l'erreur d'estimation dépend directement de la complexité du CQC lui-même, plutôt que de la complexité de la fonction de contraste CCDF intermédiaire.
4. Amélioration de l'Interprétabilité et du Contrôle : En paramétrant explicitement $g_\theta$, la méthode permet d'imposer des contraintes structurelles (ex: lissage, monotonicité) et facilite l'inspection directe du modèle.

Résultats Expérimentaux

Les auteurs évaluent leur méthode (étiquetée "Est. DR") par rapport à la méthode existante basée sur l'inversion ("Est. Inv. DR") et une variante de pondération par l'inverse de la probabilité (IPW) à travers des jeux de données simulés et réels.

• Simulation (10 dimensions) :
  • Sensibilité de la Pente : À mesure que la raideur du vrai CQC augmente, l'estimateur direct maintient une erreur faible, tandis que l'erreur de la méthode par inversion augmente considérablement.
  • Erreur de Nuisance : L'estimateur direct est comparable ou supérieur à la méthode d'inversion sous des niveaux croissants de bruit dans les estimations des paramètres de nuisance.
  • Taille de l'Échantillon : L'estimateur direct obtient systématiquement une erreur absolue moyenne plus faible à travers différentes tailles d'échantillons.
• Applications Réelles :
  • Schéma d'Emploi : Appliqué à des données sur des interventions d'emploi, le modèle a révélé que bien que l'intervention améliore généralement les revenus, l'étendue de l'amélioration potentielle diminue à mesure que l'âge du participant augmente. La paramétrisation linéaire a permis une interprétation claire des effets d'échelle dépendants de l'âge.
  • Essai sur le Cancer du Côlon : En utilisant une paramétrisation par réseau de neurones, la méthode a capturé un effet de traitement non linéaire où les patients plus jeunes montraient une amélioration significative, tandis que l'effet était plus binaire pour les patients plus âgés. L'estimation directe a fourni une surface plus lisse et plus interprétable que la sortie bruitée de la méthode d'inversion.

Signification et Revendications

L'article affirme que cette procédure d'estimation directe représente une amélioration significative par rapport aux méthodes de CQC existantes. En supprimant l'étape d'inversion, les auteurs soutiennent que la méthode :

• Améliore la Précision : Réduit l'erreur d'estimation en découplant la complexité de la cible de la complexité de la nuisance.
• Renforce l'Interprétabilité : Fournit une fonction $g_\theta(y_0|x)$ qui peut être directement analysée, contrainte et visualisée, ce qui la rend plus adaptée à la prise de décision réelle où la compréhension de l'effet de traitement sur des valeurs de réponse spécifiques est cruciale.
• Maintient la Robustesse : Préserve la propriété de double robustesse essentielle pour l'inférence causale en présence de spécification erronée de modèle.

Les auteurs reconnaissent que, bien que l'estimateur direct soit théoriquement robuste, il peut être pratiquement plus sensible aux erreurs de paramètres de nuisance que la méthode d'inversion dans certains régimes, un compromis qu'ils suggèrent de devoir investiguer davantage. Ils notent également que les travaux futurs pourraient étendre ces résultats de convergence à des architectures non linéaires plus complexes comme les arbres de régression additive bayésienne.