📊 statistics

Generated outcomes as generated regressors: Equivalences in recursive causal estimation

Cet article démontre que les estimateurs par plug-in récursif, par pondération d'équilibre et doubles robustes pour les effets de traitement variant dans le temps sont numériquement équivalents lorsqu'ils sont ajustés via les moindres carrés ordinaires, et il caractérise le comportement de ces estimateurs sous une pénalisation de type ridge, montant que la correction de biais vers les moindres carrés ordinaires décroît géométriquement avec le nombre de périodes temporelles.

Auteurs originaux : Wisse Rutgers, Rahul Singh

Publié 2026-06-30

📖 7 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Wisse Rutgers, Rahul Singh

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

La vue d'ensemble : Le problème du « Passe-plat »

Imaginez que vous essayiez de comprendre la véritable cause de quelque chose de complexe, comme l'effet d'un médicament spécifique sur la santé sur deux ans, ou comment un programme de formation modifie le parcours professionnel d'une personne.

En statistiques, nous ne pouvons pas toujours simplement regarder le résultat final et dire : « Ceci a causé cela. » Nous devons construire une chaîne de prédictions.

D'abord, nous prédisons ce qui se passe en l'an 1.
Ensuite, nous utilisons cette prédiction pour prédire ce qui se passe en l'an 2.
Enfin, nous utilisons cette seconde prédiction pour estimer l'effet total.

C'est ce qu'on appelle l'estimation récursive. C'est comme un jeu de « Passe-plat » ou une course de relais. Le témoin (la prédiction) est transmis d'un coureur (modèle statistique) au suivant. Si le premier coureur fait tomber le témoin, le second coureur court avec le mauvais objet, et le résultat final sera erroné.

Les trois concurrents

Les statisticiens ont trois manières principales de gérer cette course de relais. Les auteurs de cet article les comparent :

Le Prédicteur (Estimateur par substitution / Plug-in) : Cette méthode se concentre sur la prédiction du résultat à chaque étape. Elle dit : « Je vais deviner ce qui se passe en l'an 1, puis utiliser cette supposition pour prédire l'an 2. »
L'Équilibreur (Estimateur par pondération de l'équilibre / Balancing Weight) : Cette méthode se concentre sur les individus (les données). Elle dit : « Je vais ajuster le poids de chaque personne dans mon étude pour que le groupe paraisse équilibré et juste, puis je calculerai la moyenne. »
L'Hybride (Estimateur à double robustesse / Doubly Robust) : Cette méthode tente de faire les deux. Elle utilise à la fois les prédictions et les poids d'équilibrage. L'idée est que si une partie est légèrement erronée, l'autre pourrait sauver la mise. C'est généralement considéré comme la méthode la plus « sûre » ou la plus robuste.

La surprise : Ils sont en réalité les mêmes (pour l'essentiel)

Dans les études simples et ponctuelles (transversales), les statisticiens savaient déjà que si l'on utilise des mathématiques de base (Moindres Carrés Ordinaires, ou OLS), le Prédicteur, l'Équilibreur et l'Hybride donnent exactement la même réponse.

La grande question que cet article pose est la suivante : Cela se produit-il toujours lorsque nous avons une course de relais à plusieurs étapes (données longitudinales) ?

La réponse : Oui.
Si vous utilisez des mathématiques de base non pénalisées (OLS) à chaque étape du relais, les trois méthodes sont numériquement identiques. Peu importe que vos modèles soient parfaits ou imparfaits ; les mathématiques font en sorte que la méthode « Hybride » n'ajoute rien de plus — elle arrive simplement à la même destination que les deux autres.

Le rebondissement : Que se passe-t-il quand nous ajoutons des « filets de sécurité » ?

Dans la vie réelle, les données sont désordonnées. Pour éviter que les modèles ne deviennent trop excessifs (surapprentissage ou overfitting), les statisticiens ajoutent de la « régularisation » ou des « pénalités ». Considérez cela comme l'ajout de petites roues stabilisatrices ou d'un filet de sécurité pour maintenir la stabilité des prédictions.

L'article examine ce qui se passe lorsque nous ajoutons ces filets de sécurité (plus précisément, quelque chose appelé Régression de Ridge).

1. Le mythe de la « contraction » (Shrinkage)

Dans les études simples à une étape, il existe une croyance commune : Ajouter le filet de sécurité Hybride revient à faire de le « sous-lissage » ou à ramener la réponse vers la réponse de base de l'OLS. C'est comme dire : « La méthode Hybride est juste une version plus intelligente de la méthode de base. »

La conclusion de l'article : Cette intuition s'effondre dans les études à plusieurs étapes.
À mesure que vous ajoutez des étapes au relais (plusieurs périodes de temps), la méthode Hybride cesse de ressembler à la méthode de base de l'OLS. La « traction » vers la réponse de base s'affaiblit de plus en plus. En fait, elle décroît géométriquement. Si vous avez un calendrier long (de nombreuses années), la méthode Hybride se comporte très différemment de la méthode du Prédicteur de base.

2. L'effet d'« ancrage »

Lorsque vous utilisez des filets de sécurité (pénalités de Ridge), la méthode Hybride peut être vue comme un mélange de deux choses :

Les valeurs prédites « désordonnées ».
Les valeurs « propres » de l'OLS de base.

L'article montre que le poids accordé aux valeurs « propres » de l'OLS diminue rapidement à mesure que l'on ajoute des étapes de temps. Si vous avez 1 an, la méthode Hybride est fortement ancrée à l'OLS de base. Si vous avez 10 ans, cet ancrage ne tient presque plus.

Analogie créative : La chambre d'écho

Imaginez que vous criiez un message dans un long couloir avec des miroirs sur les murs (les étapes récursives).

Le Prédicteur, c'est vous qui criez le message directement.
L'Équilibreur, c'est vous qui ajustez le volume de votre voix pour que l'écho soit clair.
L'Hybride, c'est vous qui criez et qui ajustez le volume.

Résultat 1 (Sans filets de sécurité) : Si le couloir est parfaitement silencieux et que les miroirs sont parfaits, crier directement et ajuster le volume donne exactement le même écho à la fin. Ils sont équivalents.

Résultat 2 (Avec filets de sécurité) : Maintenant, imaginez que le couloir possède de la mousse absorbante le long des murs (régularisation/pénalités) pour empêcher l'écho de se déformer.

Dans un couloir court (1 étape), la méthode Hybride est très similaire au simple fait de crier.
Dans un couloir très long (nombreuses étapes), la mousse absorbe tellement le cri « de base » que la méthode Hybride finit par sonner de manière complètement différente. La « sécurité » de la méthode Hybride ne se contente pas de « nettoyer » le cri ; elle change entièrement la nature de l'écho à mesure que le couloir s'allonge.

Pourquoi est-ce important ?

Simplicité : Si vous réalisez une analyse à plusieurs étapes et que vous utilisez des mathématiques de base (OLS), vous n'avez pas besoin de vous soucier de choisir entre les méthodes Prédicteur, Équilibreur ou Hybride. Elles sont les mêmes. Vous pouvez choisir celle qui est la plus facile à calculer.
Prudence face à la complexité : Si vous utilisez des techniques d'apprentissage automatique avancées (qui utilisent des pénalités/régularisation) pour des études à long terme, vous ne pouvez pas supposer que la méthode « à double robustesse » est juste une version légèrement meilleure de la méthode de base. Elle se comporte différemment, et la « sécurité » qu'elle apporte fonctionne d'une manière plus complexe que ce que les statisticiens pensaient auparavant.

Résumé en une phrase

Dans les études causales à plusieurs étapes, les trois principales méthodes d'estimation sont mathématiquement identiques si vous utilisez des statistiques de base, mais si vous utilisez des statistiques avancées avec « filets de sécurité », la méthode la plus robuste cesse de se comporter comme une simple correction et devient de plus en plus distincte à mesure que le nombre d'étapes de temps augmente.

Résumé Technique : « Des résultats générés comme des régresseurs générés : Équivalences dans l'estimation causale récursive »

Auteurs : Wisse Rutgers et Rahul Singh
Date : Juin 2026

1. Énoncé du problème

La recherche empirique sur les effets de traitement variant dans le temps, les effets de traitement identifiés par des substituts et l'analyse de médiation repose fréquemment sur des régressions récursives. Dans ces contextes, le paramètre cible (par exemple, une moyenne contrefactuelle) est identifié par une récursion vers l'arrière des espérances conditionnelles où la valeur prédite d'une étape sert de « résultat généré » pour l'étape suivante. Inversement, ces paramètres peuvent être identifiés via une récursion vers l'avant de pondérations de probabilité inverse (poids d'équilibrage), où les poids d'une étape servent de « régresseurs générés » pour l'étape suivante.

Bien que l'équivalence numérique entre les estimateurs de régression, de poids d'équilibrage et de double robustesse soit bien établie dans l'inférence causale transversale (contextes à période unique), il reste incertain si cette équivalence s'étend aux contextes longitudinaux (récursifs). De plus, la littérature transversale récente suggère que le débaisage via les poids d'équilibrage est algébriquement équivalent à un « sur-lissage » (rétrécissement d'un estimateur régularisé vers les Moindres Carrés Ordinaires, MCO). Le présent article examine si cette intuition de « rétrécissement » (shrinkage) se maintient lorsque le nombre de périodes temporelles ( $T$ ) augmente.

2. Méthodologie et cadre

Les auteurs formalisent une classe de fonctionnelles récursives définies par $T \ge 1$ étapes. Le cadre englobe les modèles causaux standards :

Effets de traitement variant dans le temps : calcul $g$ avec traitements dynamiques.
Substituts (Surrogacy) : contextes à deux échantillons où un indice de substitut lie le traitement aux résultats à long terme.
Analyse de médiation : contrefactuels de mondes croisés impliquant des médiateurs.

L'étude opère dans un cadre d'estimation linéaire où les fonctions de nuisance (régressions de résultats $f_t$ et représentants de Riesz $\alpha_t$ ) sont linéaires par rapport à un dictionnaire de fonctions de base. Les auteurs comparent trois estimateurs :

Plug-in Récursif ( $\hat{\theta}_P$ ) : récursion vers l'arrière de régressions de résultats régularisées.
Poids d'Équilibrage Récursif ( $\hat{\theta}_Q$ ) : récursion vers l'avant de régressions de Riesz régularisées (poids d'équilibrage).
Doublement Robuste Récursif ( $\hat{\theta}_{DR}$ ) : une combinaison des estimateurs de plug-in et de poids d'équilibrage utilisant des moments orthogonaux.

L'analyse couvre trois régimes de régularisation :

Sans Régularisation (MCO) : moindres carrés non pénalisés.
Régularisation Ridge : pénalités quadratiques sur les coefficients.
Régularisation Convexe Générale : pénalités convexes arbitraires (ex: Lasso, Elastic Net).

3. Contributions clés et résultats

A. Équivalence des estimateurs sous MCO
Le papier établit un résultat positif primaire : L'estimation par régression récursive de résultats générés est numériquement équivalente à l'estimation par équilibrage récursif de régresseurs générés.

Théorème 1 : Lorsque toutes les étapes sont ajustées par MCO (sans régularisation), l'estimateur de plug-in récursif, l'estimateur de poids d'équilibrage récursif et l'estimateur doublement robuste coïncident exactement dans n'importe quel échantillon fini, indépendamment de la spécification correcte ou non des modèles linéaires.
Mécanisme : Dans le cas des MCO, chaque terme de correction de débaisage dans l'estimateur doublement robuste s'annule individuellement. De plus, chaque produit scalaire intermédiaire entre les étapes est égal au paramètre cible. Cela implique que l'ajout de poids d'équilibrage linéaires à un modèle de résultat MCO (ou vice versa) ne modifie pas l'estimateur.

B. Régularisation Ridge et décroissance géométrique du poids MCO
Le papier fournit une réponse nuancée, partiellement négative, concernant la généralisation de l'intuition de « rétrécissement ».

Équivalence des formes Ridge : Si la même pénalité Ridge est appliquée aux régressions de résultat et de Riesz à chaque étape, l'estimateur de poids d'équilibrage est égal à l'estimateur de plug-in (Lemme 2).
Décomposition de l'estimateur doublement robuste : Lorsque les représentants de Riesz sont régularisés par la méthode Ridge mais que les régressions de résultats sont générales (ou également Ridge), l'estimateur doublement robuste peut être écrit comme un estimateur de plug-in récursif unique avec des coefficients augmentés.
Décroissance Géométrique (Théorème 2 & Corollaire 1) : Les coefficients augmentés sont un mélange récursif des estimations pénalisées et des estimations MCO. Crucialement, le poids assigné à l'estimateur de plug-in MCO pur décroît géométriquement avec le nombre de périodes temporelles $T$ $T$ .
- Dans un cas diagonal scalaire, le poids de l'ancre MCO est $\prod_{t=1}^T a_t$ , où $a_t \in (0,1)$ est le facteur de rétrécissement à l'étape $t$ .
- Implication : À mesure que $T$ augmente, l'influence de l'ancre MCO diminue rapidement. Par conséquent, l'intuition transversale selon laquelle « le débaisage déplace l'estimateur vers les MCO » devient de plus en plus faible dans les contextes longitudinaux. Le nombre de périodes temporelles est central pour comprendre les effets de régularisation.

C. Régularisation Convexe Générale
Pour les pénalités convexes générales (où les solutions sous forme close n'existent pas), les auteurs dérivent des identités algébriques :

Identité de Télescopage (Lemme 3 & Théorème 3) : L'estimateur de poids d'équilibrage et l'estimateur doublement robuste peuvent être décomposés en l'estimateur MCO plus une somme de termes de correction.
Chaque terme de correction est le produit scalaire du résidu de Riesz (le déséquilibre à cette étape) et de l'écart entre les coefficients de résultat pénalisés et les coefficients MCO.
Cela confirme que, bien que les estimateurs restent algébriquement liés, le « rétrécissement vers les MCO » n'est pas un simple tir vers les MCO uniforme, mais une accumulation complexe de corrections par étape qui dépend de la pénalité spécifique et de la structure récursive.

4. Signification et affirmations

Les auteurs avancent deux conclusions principales :

Extension de l'équivalence : L'équivalence algébrique fondamentale entre l'estimation basée sur la régression et celle basée sur les poids d'équilibrage, documentée précédemment pour l'inférence transversale, s'étend à l'inférence causale longitudinale impliquant des fonctionnelles récursives.
Limitation de l'intuition du rétrécissement : L'interprétation du débaisage comme étant un « sur-lissage » (rétrécissement vers les MCO) ne se généralise pas directement. Dans les contextes récursifs, la traction vers les MCO s'affaiblit géométriquement à mesure que le nombre de périodes temporelles augmente. Par conséquent, dans l'inférence causale multi-périodes, le débaisage et le sur-lissage ne sont pas « les deux faces d'une même pièce » de la même manière que dans les contextes à période unique.

L'article conclut que la structure algébrique de l'estimation causale récursive est robuste, mais que l'intuition statistique dérivée des contextes transversaux concernant la régularisation et la correction de biais nécessite une modification significative lorsqu'elle est appliquée à des problèmes dynamiques à plusieurs étapes.