Définition
Une variable confondante (ou confondant) est un facteur extrané qui corrèle à la fois avec l'intervention évaluée et le résultat d'intérêt, créant une association fallacieuse pouvant mener à des conclusions causales erronées. Les confondants menacent la validité interne d'une évaluation en faisant apparaître que l'intervention a causé un résultat alors que, en fait, l'effet observé peut provenir de la variable confondante.
Par exemple, dans l'évaluation de l'impact d'un programme de formation professionnelle sur l'emploi, le statut socioéconomique pourrait être un confondant : les individus de milieux socioéconomiques plus élevés sont plus susceptibles de s'inscrire au programme ET plus susceptibles de trouver un emploi indépendamment de la formation. Sans tenir compte de ce confondant, l'évaluation surestimerait l'impact réel du programme.
Identifier et contrôler les confondants est essentiel pour une inférence causale crédible et une attribution précise des résultats aux interventions plutôt qu'à d'autres facteurs.
Pourquoi cela importe
Les variables confondantes sont l'obstacle principal à affirmations causales en S&E.
Sans aborder les confondants, les évaluations risquent :
- Surestimer l'impact — attribuer les résultats à l'intervention alors qu'ils étaient causés par des différences préexistantes entre participants et non-participants
- Sous-estimer l'impact — masquer un effet réel car un confondant agit en sens inverse
- Tirer de fausses conclusions — conduisant à des décisions sur la mise à l'échelle, la modification ou l'arrêt de programmes basés sur des preuves défectueuses
C'est pourquoi les plans quasi-expérimentaux et évaluations d'impact consacrent une attention substantielle à l'identification et au contrôle des confondants.
La menace du confondement distingue l'analyse causale rigoureuse des comparaisons simples avant-après ou du rapportage des résultats uniquement pour les participants.
Comprendre les confondants est critique pour interpréter toute évaluation revendiquant des effets causaux.
Lors de la lecture d'une évaluation d'impact, la première question est : « Quels confondants les évaluateurs ont-ils considérés et comment les ont-ils contrôlés ? »
En Pratique
Les variables confondantes apparaissent dans les Programmes de tous secteurs. Exemples :
- Interventions de santé : L'âge, la Situation de Référence et l'accès aux soins confondent la relation entre un Programme de nutrition et les Résultats de santé des enfants
- Programmes d'éducation : La réussite académique antérieure et le niveau d'éducation des parents confondent la relation entre le tutorat et les notes tests
- Développement économique : L'accès aux marchés et la qualité des infrastructures confondent la relation entre la formation commerciale et la croissance revenus
Traiter les variables confondantes nécessite des stratégies conception ou analyse :
- Plans randomisés éliminent la confusion par affectation aléatoire (l'attrition peut la réintroduire)
- Plans Quasi-Expérimentaux utilisent l'appariement par score de propension, la discontinuité de régression ou la différence des différences pour approximer la randomisation
- Contrôles statistiques incluent l'ajustement par régression, la stratification ou l'appariement sur les variables confondantes observées
- Analyse de sensibilité évalue la robustesse des résultats face aux variables confondantes non observées
L'essentiel est d'identifier les variables confondantes potentielles pendant la conception de l'Évaluation (théorie et contexte) et de sélectionner des stratégies de contrôle avant la Collecte de Données.
Sujets Connexes
- Biais — catégorie plus large d'erreurs systématiques incluant les variables confondantes
- Inférence causale — cadre pour établir des relations de cause à effet
- Biais de sélection — type spécifique de variables confondantes d'une affectation non aléatoire
- Plan Quasi-Expérimental — méthodes pour contrôler les variables confondantes sans randomisation
- Évaluation d'Impact — évaluations conçues pour établir des effets causaux
- Contrefactuel — la comparaison nécessaire pour isoler les effets de l'intervention des variables confondantes
- Attribution vs Contribution — distinguer les affirmations causales des récits de contribution
Lectures Complémentaires
- Inférence Causale en Statistiques : Un Guide — Pearl, Drman et Glymour. Intro accessible au confondement et raisonnement causal.
- Conception d'Évaluations d'Impact Quasi-Expérimentales — Initiative Internationale pour l'Évaluation d'Impact (3ie). Conseils pratiques sur contrôle confondants.
- Qu'est-ce qu'un Confondant ? — BMJ. Explication concise épidémiologie avec exemples.
Références de Données (remplies en production)
- Indicateurs : 8 indicateurs de 3 cadres bailleurs concernent le contrôle du confondement en conception d'évaluation