📊 statistics

Disentangling spatial interference and spatial confounding biases in causal inference

Cet article clarifie les définitions de l'interférence spatiale et de la confusion spatiale en utilisant un cadre de graphe acyclique dirigé (DAG) pour dériver des expressions de biais analytiques sous des contextes de distribution généraux, démontrant comment les poids spatiaux, les distributions de traitement et l'ampleur de l'interférence influencent de manière critique les estimations causales tout en validant ces résultats théoriques par des simulations et des données réelles.

Auteurs originaux : Isqeel Ogunsola, Olatunji Johnson

Publié 2026-02-04

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Isqeel Ogunsola, Olatunji Johnson

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 essayez de déterminer à quel point un engrais spécifique (le Traitement) aide un jardin à pousser (le Résultat). Vous avez une carte de nombreuses parcelles de jardin différentes.

Dans un monde parfait, si vous mettez de l'engrais sur la Parcelle A, seule la Parcelle A pousse mieux. Mais dans le monde réel, les choses sont désordonnées. Ce document traite de deux manières spécifiques dont ce désordre vous trompe en vous faisant tirer de mauvaises conclusions sur votre engrais.

Voici la décomposition des découvertes du document en utilisant des analogies simples :

1. Les deux grands problèmes : « L'effet de voisinage » et « L'invité caché »

Les auteurs affirment qu'il y a deux raisons principales pour lesquelles votre expérience de jardinage pourrait mal tourner :

Interférence spatiale (L'effet de voisinage) : Imaginez que vos parcelles de jardin soient juste les unes à côté des autres. Si vous arrosez la Parcelle A, l'eau peut s'infiltrer sous terre et arroser accidentellement la Parcelle B. Ainsi, la Parcelle B pousse mieux, non pas grâce à son propre engrais, mais grâce à l'eau de la Parcelle A. Dans le document, cela est appelé Interférence Spatiale. Si vous ignorez cela, vous pourriez penser que votre engrais fonctionne alors qu'il s'agit simplement du « débordement » du voisin.
Confusion spatiale (L'invité caché) : Imaginez qu'il y ait un facteur caché, comme une source souterraine cachée, qui affecte à la fois l'endroit où vous décidez de mettre de l'engrais et la qualité de la croissance des plantes. Peut-être que vous ne mettez de l'engrais que dans les zones humides parce que le sol y est meuble, et que ces zones humides font naturellement pousser de meilleures plantes. Si vous ne tenez pas compte de cet « Invité Caché » (le facteur de confusion), vous penserez que l'engrais fait tout le travail, alors qu'en réalité, c'était l'eau qui était l'héroïne.

2. L'« Invité caché » a deux visages (Direct vs Indirect)

Le document fait une découverte cruciale : l'« Invité caché » n'est pas une seule chose. Il se présente sous deux formes, et les études précédentes les traitaient souvent de la même manière.

Confusion directe : La source cachée se trouve sous la Parcelle A, affectant à la fois le choix de l'engrais pour la Parcelle A et la croissance de la Parcelle A.
Confusion indirecte : La source cachée se trouve sous la Parcelle A, mais elle coule sous terre pour affecter la croissance de la Parcelle B et le choix de l'engrais pour la Parcelle B.

La thèse du document : Ces deux cas sont différents ! Tout comme un voisin qui arrose votre jardin (Interférence) est différent d'une source cachée qui affecte votre sol (Confusion), un invité caché « Direct » est différent d'un invité caché « Indirect ». Si vous les traitez comme étant la même chose, vos calculs s'effondrent.

3. La « Forme » des données compte

La plupart des scientifiques supposent que les données de jardin ressemblent à une courbe en cloche parfaite (distribution Normale). Les auteurs disent : « Attendez une minute, la vie réelle n'est pas toujours une courbe en cloche. »

Ils ont testé ce qui se passe si vos données ressemblent à une distribution de Poisson (pensez à compter des choses, comme le nombre de gouttes de pluie ou de visites à l'hôpital) plutôt qu'à une courbe lisse.

La découverte : Le montant de l'erreur (biais) dans vos résultats change en fonction de la « forme » de vos données. Si vous supposez une courbe en cloche alors que vous avez des données de « comptage », votre calcul de l'erreur sera erroné.

4. La « Carte » que vous choisissez change le résultat

Pour mesurer comment les voisins s'influencent, vous avez besoin d'une « Matrice de poids » (une carte qui décide qui est un voisin).

La thèse du document : La façon dont vous dessinez cette carte importe énormément.
- Si vous utilisez la Distance (ex: « tout le monde dans un rayon de 5 miles est un voisin »), l'erreur diminue à mesure que vous augmentez la distance.
- Si vous utilisez les K-plus proches voisins (ex: « les 4 parcelles les plus proches sont des voisins »), l'erreur augmente en réalité à mesure que vous ajoutez des voisins.
- Analogie : C'est comme décider qui compte comme votre « ami ». Si vous définissez un ami comme « quelqu'un à moins de 1 mile », vous obtenez un résultat. Si vous définissez un ami comme « les 4 personnes les plus proches, peu importe la distance », vous obtenez un résultat totalement différent. Le document montre que choisir la mauvaise définition change votre réponse finale.

5. Le test en conditions réelles : La météo de Manchester

Les auteurs n'ont pas seulement fait des mathématiques sur papier ; ils ont testé cela sur des données météorologiques réelles de Manchester, au Royaume-Uni.

La configuration : Ils ont observé la Température de l'air (Traitement) et la Température de surface terrestre (Résultat). Ils savaient que les Précipitations étaient un « Invité Caché » (Facteur de confusion) car la pluie refroidit l'air et mouille le sol.
Le résultat : Lorsqu'ils ignoraient l'« Effet de voisinage » (Interférence) ou mélangeaient les invités cachés « Directs » et « Indirects », leurs estimations de l'effet de la température de l'air sur la température terrestre étaient radicalement différentes et souvent fausses.
Le gagnant : Le seul modèle qui a donné une réponse fiable était celui qui prenait en compte les trois : l'Effet de voisinage, l'Invité Caché Direct et l'Invité Caché Indirect.

Résumé : Que devez-vous retenir ?

Ne supposez pas que les voisins ne communiquent pas entre eux. Dans les données spatiales, ce qui se passe à côté de chez vous affecte souvent votre situation. Ignorer cela mène à de mauvaises conclusions.
Ne regroupez pas tous les « facteurs cachés » ensemble. Un facteur caché qui affecte votre zone immédiate est différent d'un facteur qui affecte la zone de votre voisin. Vous devez les séparer pour obtenir la bonne réponse.
Vérifiez la forme de vos données. Si vos données sont des données de « comptage » (comme Poisson) et non une courbe en cloche lisse, le calcul mathématique standard pour trouver les erreurs ne fonctionne pas.
Soyez prudent avec votre « carte de voisinage ». La façon dont vous décidez qui est un voisin modifie vos résultats.

L'essentiel : Si vous étudiez quoi que ce soit sur une carte (météo, maladies, criminalité, cultures) et que vous ignorez comment les lieux s'influencent mutuellement ou si vous confondez différents types d'influences cachées, vos résultats seront biaisés. Vous pourriez penser qu'un traitement fonctionne alors qu'il ne fonctionne pas, ou vice versa. Pour obtenir la vérité, vous devez démêler tous ces fils en même temps.

Résumé Technique : Découpler les interférences spatiales et les biais de confusion spatiale en inférence causale

Énoncé du problème
L'analyse de données spatiales observationnelles fait face à deux défis critiques qui compromettent la précision des estimations causales : l'interférence spatiale et la confusion spatale. L'interférence spatiale se produit lorsque le traitement ou l'exposition à un endroit affecte le résultat à un autre endroit, violant ainsi l'hypothèse de stabilité de l'unité de traitement (SUTVA). La confusion spatiale survient lorsque des variables non mesurées possédant une structure spatiale influencent à la fois le traitement et le résultat.

La littérature actuelle souffre d'une ambiguïté significative concernant la définition de la confusion spatiale, confondant souvent des phénomènes distincts tels que le biais de variable omise, la colinéarité des effets aléatoires et la concurvité. De plus, les méthodes existantes pour quantifier le biais reposent généralement sur des hypothèses restrictives, spécifiquement le fait que les traitements et les facteurs de confusion suivent des distributions Normales. Il existe une lacune notable dans la littérature concernant la quantification du biais induit par la confusion spatiale indirecte (où une variable non mesurée à un endroit affecte les résultats à d'autres endroits) et la présence simultanée d'interférence et de confusion spatiales. De même, l'impact des distributions non Normales (par exemple, Poisson) sur ces biais reste largement inexploré.

Méthodologie
Les auteurs emploient une approche analytique et de simulation rigoureuse pour démêler ces biais :

Cadre de Graphe Acyclique Dirigé (DAG) : L'article utilise des DAG pour fournir une clarification conceptuelle de la confusion spatiale. Il distingue entre :
- Confusion spatiale causale : Où une variable spatiale non mesurée $U$ affecte causalement à la fois le traitement $A$ et le résultat $Y$ (respectant l'ordre temporel).
- Association spatiale non causale : Où $U$ et $A$ sont associés mais ne sont pas liés causalement.
- Confusion directe vs indirecte : La confusion directe se produit lorsque $U_i$ affecte $A_i$ et $Y_i$ . La confusion indirecte se produit lorsque $U_i$ affecte $A_j$ et/ou $Y_j$ (où $i \neq j$ ), souvent médiée par des mécanismes d'interférence spatiale.
Dérivation analytique du biais :
- Les auteurs dérivent des expressions analytiques pour le biais sous divers modèles ( $M_1$ à $M_6$ ), allant de modèles linéaires simples à ceux intégrant l'interférence spatiale ( $\tilde{A}$ ), la confusion directe ( $U$ ) et la confusion indirecte ( $\tilde{U}$ ).
- Biais d'interférence spatiale : Dérivé en utilisant les moindres carrés ordinaires (OLS) pour les contextes non spatiaux et les moindres carrés généralisés (GLS) pour les contextes spatiaux. Le biais est montré comme étant une fonction de la distribution du traitement, de la force de l'interférence ( $\beta_{\tilde{a}}$ ) et de la matrice de poids spatiaux ( $\Psi$ ).
- Distributions non Normales : L'article lève l'hypothèse de Normalité en dérivant des expressions de biais pour des traitements et des facteurs de confusion suivant une distribution de Poisson. En utilisant les propriétés de la somme de variables de Poisson indépendantes, ils dérivent la distribution conditionnelle du facteur de confusion étant donné le traitement pour quantifier le biais résultant.
- Biais de confusion indirecte : Des expressions analytiques sont dérivées pour le biais induit par la confusion spatiale indirecte ( $\beta_{\tilde{u}}$ ), démontrant qu'il est distinct du biais de confusion directe.
Études de simulation :
- Des simulations extensives (1 000 à 10 000 itérations) ont été menées pour évaluer l'erreur quadratique moyenne (RMSE), le biais et la probabilité de couverture.
- Les scénarios variaient selon :
  - La présence/absence d'interférence et de confusion (directe et indirecte).
  - Les distributions de traitement et de facteur de confusion (Normale, Poisson, Binaire).
  - La construction de la matrice de poids : k-plus proches voisins (k-NN) et basée sur la distance (avec seuil).
  - L'ampleur relative des effets du traitement par rapport à l'interférence.
Application au monde réel :
- Le cadre a été appliqué aux données climatiques de Manchester (janvier 2018) pour analyser l'effet de la température de l'air (traitement) sur la température de surface terrestre (résultat), avec les précipitations comme facteur de confusion.
- Les modèles ont été ajustés en tenant compte de diverses combinaisons d'interférence, de confusion directe et de confusion indirecte pour comparer les estimations.

Contributions clés

Clarification conceptuelle : L'article fournit une distinction novatrice basée sur les DAG entre la confusion spatiale causale et d'autres associations spatiales, et sépare explicitement la confusion spatiale directe de la indirecte, qui sont souvent traitées comme un phénomène unique dans la littérature existante.
Quantification du biais indirect : C'est le premier travail (selon les auteurs) à dériver et quantifier analytiquement le biais induit spécifiquement par la confusion spatiale indirecte et l'interférence spatiale.
Levée des hypothèses de distribution : L'étude dérive des expressions de biais pour les traitements et facteurs de confusion de distribution de Poisson, démontrant que les magnitudes et les signes du biais changent considérablement lorsque les hypothèses de Normalité sont violées.
Sensibilité de la matrice de poids : L'analyse révèle que le choix des poids spatiaux (k-NN vs distance) détermine de manière critique la magnitude du biais. Par exemple, le biais tend à augmenter avec le nombre de voisins dans les schémas k-NN mais diminue avec des seuils de distance plus larges dans les schémas basés sur la distance.
Découplage des phénomènes : L'étude prouve que négliger l'interférence spatiale, la confusion directe ou la confusion indirecte conduit à des estimations biaisées de l'effet du traitement, et que ces trois phénomènes sont distincts et doivent être modélisés séparément.

Résultats

Biais d'interférence : Lorsque l'interférence spatiale est présente mais non prise en compte, le biais et la RMSE sont les plus élevés, et les probabilités de couverture chutent considérablement. Le biais est sensible au choix de la matrice de poids ; les poids k-NN ont généralement produit un biais plus élevé que les poids basés sur la distance dans les contextes non spatiaux, bien que les modèles varient dans les contextes spatiaux.
Impact de la distribution : Les magnitudes de biais différaient significativement entre les distributions Normale, Poisson et Binaire. Notamment, le biais était le plus élevé pour les distributions Normales et le plus faible pour les distributions Binaires dans les simulations, contredisant l'hypothèse selon laquelle le biais est invariant à la distribution.
Confusion directe vs indirecte : Les résultats de simulation ont confirmé que la confusion spatiale directe et indirecte produisent des profils de biais différents. Dans certains scénarios (ex: utilisation de poids k-NN), prendre en compte uniquement la confusion directe tout en ignorant la confusion indirecte entraînait un biais plus élevé que de prendre en compte les deux.
Application aux données réelles : Dans l'étude climatique de Manchester, les estimations variaient considérablement selon les phénomènes inclus. Le modèle prenant en compte les trois (interférence, confusion directe et indirecte) offrait le meilleur ajustement (AIC le plus bas), et les estimations différaient substantiellement des modèles ignorant l'un des composants.

Signification et revendications
Les auteurs affirment que leur travail comble une lacune critique dans l'inférence causale pour les données spatiales en :

Apportant de la clarté sur les méprises entourant la confusion spatiale via les DAG.
Démontrant que la confusion spatiale indirecte est une source de biais distincte qui ne peut être supposée identique à la confusion directe.
Montrant que les hypothèses standards de Normalité sont insuffisantes pour une quantification précise du biais, particulièrement pour les données de comptage (Poisson).
Établissant que le choix des poids spatiaux et la distribution des variables sont des déterminants clés de la magnitude du biais.

L'article conclut que si l'interférence spatiale, la confusion directe ou la confusion indirecte sont présentes mais négligées, les estimations de l'effet du traitement seront biaisées, conduisant à des inférences causales peu fiables. Les auteurs proposent un algorithme simple de correction de biais basé sur leurs expressions analytiques dérivées pour l'interférence spatiale, tout en reconnaissant qu'un cadre paramétrique complet pour l'ajustement simultané des trois phénomènes reste un sujet de développement futur.