Une variable qui affecte causalement à la fois une exposition (traitement) et un résultat, créant une association fallacieuse entre eux si elle n'est pas prise en compte dans l'analyse causale.

Principe

Un facteur de confusion ouvre un chemin arrière entre traitement et résultat ; l'estimation causale valide exige de bloquer ces chemins par randomisation, conditionnement sur des confondeurs observés, approches par variable instrumentale ou autres stratégies d'identification tout en évitant de conditionner sur des colliders ou des médiateurs.

Démonstration

Dans l'évaluation d'un programme de formation, l'expérience professionnelle antérieure est un confondeur si elle influence à la fois la sélection au programme et les revenus post-programme ; ne pas ajuster biaisera l'estimation de l'effet du programme à la hausse ou à la baisse selon le sens des associations.

Mauvaise application

Ajuster pour un médiateur qui se situe sur le chemin causal entre le traitement et le résultat (sur-ajustement) ou contrôler un collider introduit par la sélection, tous deux pouvant induire un biais plutôt que l'éliminer.

Conséquence

L'identification correcte et l'ajustement des confondeurs donnent des estimations non biaisées des effets causaux sous les hypothèses maintenues, permettant une évaluation des politiques et une prise de décision plus précises.

Inversion

Une variable qui se situe purement sur le chemin causal du traitement vers le résultat est un médiateur, non un confondeur ; un instrument affecte le traitement mais pas le résultat sauf par le traitement et n'est donc pas un confondeur.

Limite

Pertinent uniquement dans les contextes causaux ; une covariable n'est pas nécessairement un confondeur sauf si elle influence à la fois le traitement et le résultat ; la confusion peut être due à des variables observées ou non observées et ne peut pas toujours être résolue par les seules données sans hypothèses ou design.

Tension sémantique

Souvent confondu avec des variables de contrôle génériques ou des covariables en régression ; la tension réside entre contrôles statistiques utilisés pour la prédiction et contrôles causaux nécessaires pour bloquer le biais de backdoor, qui obéissent à des critères et conséquences différents.

Synthèse

Une variable confondante est tout facteur qui crée une association non causale entre exposition et résultat en affectant les deux ; l'analyse causale doit identifier et traiter les confondeurs par le design ou l'ajustement tout en évitant les erreurs de conditionnement qui engendrent un biais supplémentaire.