Nested Sensitivity Envelopes for Transported Quantile Treatment Effects

Résumé technique : Enveloppes de sensibilité imbriquées pour les effets de traitement quantiles transportés

Énoncé du problème
Cet article aborde le défi de l'estimation des effets de traitement quantiles (QTE) dans une population cible lorsque deux hypothèses d'identification critiques peuvent échouer simultanément : la validité interne de la source (confondants non mesurés) et la transportabilité conditionnelle source-cible (changement de distribution). La structure des données comprend un échantillon source avec traitement, résultat et covariables observés, et un échantillon cible avec uniquement des covariables. Contrairement aux effets de traitement moyens, qui sont linéaires par rapport à la loi des résultats potentiels conditionnels, les QTE nécessitent de caractériser des bornes précises sur les fonctions de distribution contrefactuelles et de les inverser. Cette inversion est non lisse aux points de masse et dans les régions plates, ce qui complique l'analyse de sensibilité. L'article étudie le « cas plus difficile » où tant la présence de confondants non mesurés dans la source que les changements de distribution des résultats entre les populations source et cible sont autorisés à échouer de manière contrôlée.

Méthodologie et modèle de sensibilité
Les auteurs imposent deux restrictions de sensibilité marginales pour définir un modèle de sensibilité conjoint :

1. Validité interne de la source : Un modèle de sensibilité par rapport au rapport de cotes marginal avec un paramètre $\Gamma \ge 1$. Cela borne l'écart entre la propension au traitement latente et la propension observée, permettant la présence de confondants non mesurés.
2. Validité externe : Une borne de rapport de vraisemblance conditionnelle $\Lambda \ge 1$ pour le changement de distribution des résultats potentiels de la source vers la cible. Cela permet à la distribution des résultats potentiels dans la cible d'être une déformation dépendante du résultat de la distribution source.

L'innovation méthodologique centrale réside dans la dérivation d'une enveloppe de fonction de distribution cumulative (CDF) contrefactuelle cible précise sous forme fermée. Cette enveloppe est construite en imbriquant une carte de sensibilité marginale de la source dans une carte de changement de résultat de la cible. Plus précisément, pour un bras de traitement $a$ et un seuil $y$, les bornes précises sont :
$$\psi^{\pm}_{a,s}(y) = E\{ T^{\pm}_{\Lambda} [ C^{\pm}_{\Gamma} (p_a(y, X), e_a(X)) ] \mid R=0 \}$$
où $C^{\pm}_{\Gamma}$ sont les bornes CDF source précises sous le modèle du rapport de cotes, et $T^{\pm}_{\Lambda}$ sont les cartes de changement de transport précises sous le modèle du rapport de vraisemblance. Les auteurs prouvent que cette structure imbriquée est précise au niveau du processus, ce qui signifie que les bornes sont atteignables en tant que trajectoires complètes de CDF, et non seulement en tant que valeurs ponctuelles. Cette imbrication préserve deux normalisations distinctes (une pour la sélection du traitement, une pour le changement de résultat), produisant des bornes généralement plus serrées qu'une simple relaxation de rapport de vraisemblance produit.

Contributions clés

1. Identification précise : L'article fournit une preuve constructive que l'enveloppe CDF imbriquée est précise. Il démontre que la distribution source la moins favorable (via une déformation de sélection inverse par seuil) et la distribution cible la moins favorable (via une déformation de changement de résultat par seuil) peuvent être composées pour atteindre les bornes. Les bornes quantiles cibles précises et les bornes de l'enveloppe d'intervalle des QTE qui en résultent sont dérivées en inversant ces enveloppes CDF.
2. Théorie semiparamétrique : Les auteurs développent une théorie semiparamétrique efficace pour le processus de bornes CDF non lisse.
   • Pour les ensembles d'indices réguliers (où les morceaux affines actifs sont séparés), ils dérivent le gradient canonique (fonction d'influence efficace). Crucialement, ce gradient inclut un terme de contribution de la propension source requis pour les études observationnelles de source, absent dans les designs randomisés.
   • Ils construisent des estimateurs en une étape, Neyman-orthogonaux et à validation croisée, qui atteignent la linéarité asymptotique uniforme et l'approximation gaussienne sur les ensembles réguliers.
   • Pour les ensembles d'indices complets (impliquant des liaisons d'ensembles actifs, des points de masse ou une non-lissité), ils utilisent la différentiabilité directionnelle de Hadamard. Ils proposent une inférence basée sur le sous-échantillonnage pour obtenir des valeurs critiques valides pour la limite de norme-sup non gaussienne induite, évitant ainsi les intervalles de Wald fragiles.
3. Inférence pour les frontières : L'article traite la frontière de sensibilité bidimensionnelle $(\Gamma, \Lambda)$ comme un objet statistique. Il construit des bandes de confiance simultanées pour les extrémités de l'enveloppe d'intervalle des QTE et définit la « frontière de rupture » comme le niveau où la valeur nulle (zéro) n'est plus exclue. L'inférence pour cette frontière utilise des méthodes d'ensembles de niveaux et le sous-échantillonnage pour gérer la structure non lisse.
4. Validation empirique : Grâce à des études de simulation, l'article vérifie la précision des enveloppes sous forme fermée par rapport à des programmes linéaires de dimension finie, démontre la nécessité de la structure imbriquée par rapport aux relaxations produit, et montre que les estimateurs proposés maintiennent une couverture honnête même sous un apprentissage de nuisance de haute dimension et des conditions non régulières (points de masse).

Résultats

• Identification : L'enveloppe imbriquée est strictement plus serrée qu'une simple relaxation de rapport de vraisemblance produit dans les cas non triviaux, car la relaxation produit échoue à imposer les normalisations intermédiaires.
• Estimation : Dans les simulations avec des paramètres de nuisance de haute dimension (estimés via l'apprentissage automatique), l'estimateur proposé par apprentissage automatique double/débiaisé (DML) avec le gradient canonique complet (incluant le terme de propension) reste conservateur et honnête. L'omission du terme de propension conduit à un centrage et une précision dégradés.
• Inférence : Les intervalles de type Wald pour les extrémités quantiles s'avèrent fragiles et sous-couvrent dans des contextes non réguliers (par exemple, avec des points de masse). En revanche, l'inversion des bandes CDF simultanées fournit des ensembles de confiance honnêtes. Les méthodes de sous-échantillonnage surpassent les méthodes de bootstrap régulières pour localiser la frontière de rupture dans les régimes non réguliers.
• Données réelles : Une application aux données d'arrêt du tabagisme de l'enquête NHEFS illustre que les conclusions de transport ponctuel (suggérant une prise de poids suite à l'arrêt) ne sont pas robustes lorsque la sensibilité conjointe aux confondants non mesurés et au changement de transport est autorisée. L'analyse de sensibilité conjointe produit des enveloppes d'intervalle contenant zéro, indiquant que la conclusion est sensible aux hypothèses de validité.

Signification et revendications
L'article revendique fournir un cadre « étroit mais difficile » pour l'analyse de sensibilité simultanée de la validité interne et externe des QTE transportés. Sa signification réside dans la résolution d'une chaîne non linéaire de problèmes : des enveloppes CDF conditionnelles aux processus CDF cibles, en passant par les inverses généralisés, jusqu'aux ensembles de niveaux de frontières bidimensionnelles. Les auteurs soutiennent que les méthodes existantes pour la sensibilité des effets moyens ou les QTE transportés identifiés ponctuellement ne couvrent pas cette chaîne. En traitant le processus de bornes CDF comme l'objet principal, l'article atteint une identification précise et une inférence honnête dans les régimes réguliers et non réguliers, offrant une alternative robuste aux hypothèses d'identification ponctuelle souvent inapplicables dans les contextes de généralisation. Le travail évite explicitement de revendiquer l'identification des effets de traitement au niveau individuel ou d'exiger des restrictions de copule conjointes, se concentrant plutôt sur les distributions marginales des résultats potentiels et leurs enveloppes d'intervalle précises.