📊 statistics

Representation Learning for Semiparametric Causal Mediation Analysis under No Essential Heterogeneity

Cet article introduit UNIT, un estimateur en deux étapes qui exploite l'apprentissage de représentations profondes basé sur TARNet pour améliorer la précision des estimations des paramètres de médiation structurelle sous l'hypothèse d'« absence d'hétérogénéité essentielle », atteignant des réductions significatives de l'erreur type sans compromettre le biais ou la couverture.

Auteurs originaux : Roberto Faleh, Sofia Morelli, Holger Brandt

Publié 2026-07-14

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Roberto Faleh, Sofia Morelli, Holger Brandt

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 soyez un détective essayant de résoudre un mystère : Pourquoi un événement spécifique s'est-il produit ? Vous savez qu'un traitement (appelons-le « L'Étincelle ») a provoqué un changement dans une étape intermédiaire (Le Pont), ce qui a ensuite conduit au résultat final (Le Résultat). Dans un monde parfait, vous pourriez simplement mesurer l'Étincelle, le Pont et le Résultat, et les mathématiques vous diraient exactement quelle part du résultat provient du Pont.

Mais dans le monde réel, des variables invisibles et sournoises (comme des pensées secrètes ou des facteurs environnementaux cachés) perturbent le Pont et le Résultat. Ce sont les « facteurs de confusion non mesurés ». Si vous les ignorez, votre travail de détective est erroné, et vous risquez de reprocher au Pont quelque chose qu'il n'a pas fait.

Pendant longtemps, les chercheurs ont appliqué une règle stricte pour résoudre cela : l'Ignorabilité Séquentielle. Cette règle exigeait que vous connaissiez chaque variable cachée affectant le Pont et le Résultat. Si vous en aviez manqué une seule, toute l'enquête était rejetée. C'était comme dire : « Vous ne pouvez pas résoudre le mystère à moins d'avoir une liste de chaque personne dans la ville qui pourrait avoir un secret. »

La grande idée de l'article : Un nouveau manuel de règles
Cet article présente une nouvelle méthode appelée UNIT (Unmeasured-confounding-robust NEH-based Identification with TARNet). Il suggère que vous n'avez pas besoin de connaître chaque variable cachée. Au lieu de cela, vous pouvez vous contenter d'une règle légèrement plus souple appelée « Absence d'Hétérogénéité Essentielle » (NEH).

Considérez l'ancienne règle comme exigeant une carte parfaite de chaque rue. La nouvelle règle NEH, c'est comme dire : « Nous n'avons pas besoin d'une carte de chaque rue, tant que le flux de trafic moyen se comporte de manière prévisible, même si certains conducteurs individuels agissent bizarrement. » Cela permet aux chercheurs de résoudre le mystère même lorsque certaines variables secrètes sont manquantes, tant que ces variables manquantes ne changent pas la façon moyenne dont l'Étincelle affecte le Pont pour chaque personne.

L'arme secrète : TARNet
C'est ici que l'article devient particulièrement astucieux. Pour faire fonctionner cette nouvelle règle, vous devez estimer un « poids » spécifique pour vos calculs. Ce poids dépend de la manière dont l'Étincelle modifie le Pont pour différents types de personnes. Si vous estimez mal ce poids, votre réponse finale sera floue et imprécise.

Les auteurs soutiennent que les anciennes méthodes simples pour deviner ce poids (comme tracer des lignes droites à travers les données) reviennent à essayer de faire entrer un pion carré dans un trou rond alors que les données ont en réalité une forme sinueuse et complexe. Ils proposent d'utiliser un TARNet (Treatment-Agnostic Representation Network).

Imaginez le TARNet comme un traducteur super intelligent. Au lieu de regarder l'Étincelle et le Pont séparément pour deux groupes de personnes différents, il apprend un langage partagé (une « représentation partagée ») que les deux groupes parlent. Il réalise que même si les groupes sont différents, ils partagent des schémas sous-jacents profonds. En apprenant d'abord ce langage partagé, le traducteur peut déterminer exactement comment l'Étincelle modifie le Pont pour chaque personne, même si la relation est sinueuse et complexe.

Ce que les simulations ont montré
Les auteurs ne se sont pas contentés de supposer que cela fonctionnerait ; ils ont lancé 200 simulations informatiques différentes (comme lancer un millier de versions différentes du mystère dans un jeu vidéo) pour tester le tout.

Le résultat : Dans ces simulations, où les données étaient désordonnées et non linéaires (sinueuses), la méthode TARNet était environ 1,5 fois plus précise que les anciennes méthodes simples.
L'analogie : Si l'ancienne méthode vous donnait une photo floue du coupable, le TARNet vous donnait une photo en haute définition. Plus précisément, l'« erreur type » (une mesure de flou) a été considérablement réduite. Par exemple, avec un échantillon de 2 000, les anciennes méthodes avaient des erreurs types 1,45 à 1,51 fois plus grandes que la méthode TARNet.
Le bémol : L'article exclut explicitement l'idée que cela fonctionne si la règle de l'« Absence d'Hétérogénéité Essentielle » est transgressée. Dans leurs simulations, lorsqu'ils ont enfreint cette règle (Scénario D), la méthode a échoué et les résultats sont devenus biaisés. Ce n'est donc pas une baguette magique qui répare tout ; cela ne fonctionne que si cette hypothèse spécifique est respectée.

Ce que ce n'est PAS
L'article est très clair sur ce qu'il ne fait pas :

Il ne prétend pas résoudre le problème pour les études observationnelles (où les gens choisissent leur propre Étincelle) pour l'instant. Il ne fonctionne actuellement que pour les expériences randomisées (où l'Étincelle est assignée par un lancer de pièce).
Il ne dit pas que l'ancienne méthode « Baron-Kenny » est bonne. Dans leurs tests, l'ancienne méthode était totalement biaisée, manquant la vraie réponse de 0,27 à 0,39 unité et ne trouvant la bonne réponse 0 % du temps.
Il ne prétend pas que l'utilisation d'un réseau de neurones sophistiqué suffit. Ils ont testé une version de leur réseau sans le langage partagé (appelée TNet), et elle a moins bien performé que le TARNet complet, surtout avec des ensembles de données plus petits. Le « langage partagé » est la recette secrète, et non le deep learning en soi.

L'essentiel
Les auteurs suggèrent qu'en combinant cette nouvelle règle légèrement plus souple (NEH) avec un traducteur intelligent doté d'un langage partagé (TARNet), les chercheurs peuvent obtenir des réponses beaucoup plus nettes sur la manière dont les traitements fonctionnent via les médiateurs, même lorsque certaines données sont manquantes. Mais n'oubliez pas : cela repose sur des simulations. L'article montre que dans ces mondes générés par ordinateur, la méthode est robuste et précise, mais elle n'a pas encore été testée sur des données humaines réelles. C'est un nouvel outil prometteur pour la boîte à outils du détective, prêt à être essayé dans le monde réel et désordonné.

Résumé technique : Apprentissage de représentations pour l'analyse de médiation causale semi-paramétrique sous l'hypothèse d'absence d'hétérogénéité essentielle

1. Énoncé du problème

L'objectif principal de nombreuses expériences randomisées est d'estimer non seulement l'effet global du traitement, mais aussi les mécanismes causaux sous-jacents, spécifiquement l'effet indirect médié par une variable intermédiaire $M$ . Un défi méthodologique important surgit lorsque des facteurs de confusion non mesurés existent entre le médiateur et le résultat. Dans de tels cas, l'hypothèse classique d'ignorabilité séquentielle (SI) — qui exige l'absence de confusion non mesurée entre le médiateur et le résultat conditionnellement aux covariables observées — est violée, conduisant à des estimations inconsistantes.

Bien que les modèles structurels imbriqués (SNM) et la G-estimation offrent un cadre pour traiter la confusion non mesurée, les applications traditionnelles reposent souvent sur l'hypothèse de « préservation du rang » (Rank Preservation). Cette hypothèse est fréquemment critiquée comme étant trop restrictive, car elle implique que les écarts individuels par rapport au modèle structurel sont identiques à travers tous les régimes contrefactuels, exclignant de fait l'hétérogénéité individuelle des effets du traitement ou du médiateur.

Pour remédier à cela, Zheng et Zhou (2015) ont proposé un modèle de moyenne structurelle plus général basé sur l'hypothèse d'« absence d'hétérogénéité essentielle » (NEH). Bien que la NEH autorise la confusion non mesurée et une modification arbitraire des effets par les covariables observées, elle repose sur une fonction de poids optimale pour la G-estimation qui dépend de l'effet de traitement moyen conditionnel (CATE) du traitement sur le médiateur. Dans les contextes avec des covariables de haute dimension et des effets de médiateur non linéaires, estimer ce CATE avec précision est difficile. Les approches linéaires standards ou les régressions séparées (T-learners) échouent souvent à capturer l'hétérogénéité complexe, conduisant à des poids sous-optimaux et une perte d'efficacité dans les estimations finales des paramètres structurels.

2. Méthodologie : Le cadre UNIT

Les auteurs proposent UNIT (Unmeasured-confounding-robust NEH-based Identification with TARNet), un estimateur en deux étapes qui intègre l'apprentissage de représentations profondes avec la G-estimation.

Cadre théorique

La méthode opère sous les hypothèses clés suivantes :

Consistance/SUTVA : Hypothèses standards concernant les résultats potentiels.
Ignorabilité du traitement : L'assignation du traitement est indépendante des résultats potentiels et des médiateurs étant donné les covariables pré-traitement (satisfaite par la randomisation).
Absence d'hétérogénéité essentielle (NEH) : Les facteurs de confusion non observés ne modifient pas les moyennes des effets du traitement ou du médiateur. Il s'agit d'une condition plus faible que la préservation du rang, mais plus forte que l'identification non paramétrique complète.
Spécification structurelle correcte : La forme fonctionnelle du modèle de moyenne structurelle est correctement spécifiée.
Non-dégénérescence : La matrice de poids est non dégénérée, nécessitant que le traitement ait un effet hétérogène sur le médiateur.

Sous la NEH, la fonction de poids optimale pour l'équation de G-estimation dépend du CATE du médiateur, $\tau_M(X) = E[M|T=1, X] - E[M|T=0, X]$ .

L'algorithme en deux étapes

Étape 1 : Apprentissage de représentation pour l'estimation des poids
Au lieu d'utiliser des régressions séparées (T-learners) ou des modèles linéaires, UNIT emploie un réseau de représentation agnostique au traitement (TARNet).

Architecture : Le réseau apprend une représentation partagée $\Phi(X)$ des covariables à travers les bras de traitement, suivie de têtes de sortie spécifiques au traitement ( $h_0$ pour le contrôle, $h_1$ pour le traité).
Mécanisme : Le CATE du médiateur est estimé comme la différence entre les deux têtes : $\hat{\tau}_M(X) = h_1(\Phi(X)) - h_0(\Phi(X))$ .
Cross-fitting : Pour éviter le surapprentissage et garantir des propriétés asymptotiques valides, le TARNet est entraîné par cross-fitting. Le CATE est estimé hors échantillon (out-of-fold) pour chaque unité.
Construction des poids : Le CATE estimé est utilisé pour construire le vecteur de poids plug-in $\hat{W}(X) = (1, \hat{\tau}_M(X))^\top$ , qui est ensuite centré par la probabilité d'assignation du traitement pour former l'instrument $\hat{A}_i = (T_i - p)\hat{W}(X_i)$ .

Étape 2 : G-estimation structurelle
En utilisant les poids dérivés de l'étape 1, les paramètres structurels $\theta$ sont estimés en résolvant l'équation de G-estimation empirique :
$\sum_{i=1}^n \hat{A}_i \left( Y_i - \hat{g}^{(-)}(X_i) - H_i^\top \theta \right) = 0$
où $H_i$ représente les fonctions de base du modèle structurel (par exemple, les indicateurs de traitement et de médiateur) et $\hat{g}^{(-)}$ est une estimation par cross-fitting du résultat de base. Les auteurs notent que sous un modèle de travail linéaire pour la base, ce système possède une solution en forme fermée.

3. Principales contributions

Le papier apporte trois contributions majeures :

Lien entre la qualité de la représentation et l'efficacité : Les auteurs établissent un lien théorique et empirique clair entre la qualité de la représentation apprise $\Phi$ et l'efficacité de l'estimateur du paramètre structurel. Ils démontrent qu'une estimation plus précise du CATE produit une matrice de poids plug-in plus informative, réduisant la variance asymptotique de $\hat{\theta}$ .
L'algorithme UNIT : Ils proposent un algorithme pratique en deux étapes combinant l'estimation par TARNet avec cross-fitting et la G-estimation. Cette approche assouplit la forte hypothèse de préservation du rang en faveur de l'hypothèse plus plausible de la NEH, tout en gérant la confusion non mesurée entre le médiateur et le résultat.
Validation empirique : À travers une étude de simulation complète impliquant des covariables non gaussiennes, des effets de traitement non linéaires complexes et une confusion non mesurée, les auteurs démontrent que les poids basés sur TARNet améliorent considérablement la précision des estimations du coefficient de médiation par rapport aux approches classiques (T-learners linéaires, Forêts Aléatoires) sans introduire de biais ni compromettre les taux de couverture.

4. Résultats de simulation

Les auteurs ont évalué UNIT à travers sept scénarios variant selon le degré de non-linéarité, la force de l'instrument et la validité de l'hypothèse NEH.

Estimation du CATE (Étape 1) : Dans les scénarios avec des effets de médiateur non linéaires, TARNet a nettement surpassé la régression Ridge linéaire et les forêts aléatoires séparées (T-learners) pour estimer le CATE du médiateur. TARNet a obtenu des corrélations plus élevées avec le véritable CATE et une erreur quadratique moyenne normalisée (NRMSE) plus faible, particulièrement dans des tailles d'échantillon modérées ( $n \ge 1000$ ).
Estimation structurelle (Étape 2) :
- Efficacité : Dans les contextes non linéaires, les poids basés sur TARNet ont réduit l'erreur type du coefficient de médiation d'environ 30 à 50 % par rapport aux T-learners linéaires (ratios de SE médians de 1,45–1,51 à $n \ge 2000$ ).
- Biais et Couverture : Lorsque l'hypothèse NEH était respectée, tous les G-estimateurs (quel que soit le learner de l'étape 1) étaient non biaisés et atteignaient une couverture nominale (environ 95 %). L'estimateur naïf de Baron–Kenny, qui ignore la confusion non mesurée, présentait un biais positif substantiel et une couverture de 0 %.
- Robustesse : Lorsque la NEH était violée (présence d'hétérogénéité essentielle), toutes les méthodes convergeaient vers la même limite biaisée, confirmant que la validité de la méthode repose sur l'hypothèse NEH, et non sur le learner spécifique utilisé.
- Représentation partagée : En comparant TARNet (représentation partagée) avec TNet (réseaux de neurones séparés), TARNet a montré un avantage distinct en échantillon fini, réduisant les erreurs types de 30 à 40 % pour des tailles d'échantillon modérées. Cet écart a diminué à mesure que la taille de l'échantillon augmentait, suggérant que le bénéfice des représentations partagées est plus critique en échantillon fini.

5. Signification et affirmations

L'article affirme que UNIT offre un gain d'efficacité substantiel pour les analyses de médiation appliquées où l'assignation du traitement est randomisée mais où la confusion entre le médiateur et le résultat est non mesurée. En exploitant l'apprentissage de représentation profonde pour estimer les poids optimaux de la G-estimation, la méthode surmonte les limites des approximations linéaires dans des contextes de haute dimension et non linéaires.

Les auteurs soulignent que leur contribution n'est pas la stratégie d'identification elle-même (qui est héritée de Zheng et Zhou, 2015), mais la démonstration que un meilleur apprentissage de représentation à la première étape conduit à une estimation structurelle plus efficace. Ils soutiennent que pour les chercheurs confrontés à des relations complexes entre covariables et médiateurs, UNIT fournit un cadre semi-paramétrique rigoureux qui surpasse les apprenants traditionnels en termes de précision tout en maintenant la robustesse contre la confusion non mesurée sous l'hypothèse NEH.

L'étude conclut que bien que la méthode soit robuste, elle n'est pas un remède miracle contre les violations de l'hypothèse NEH, et que son application aux données observationnelles nécessiterait une extension supplémentaire pour estimer les scores de propension. Les auteurs notent également l'absence actuelle de jeux de données de référence publics pour l'analyse de médiation comme un obstacle à une validation empirique plus large.