Donald Rubin – De 1943 à nos jours

Biographie

Dans l’histoire des sciences quantitatives et de l’épistémologie contemporaine, peu de figures ont exercé une influence aussi structurante, profonde et universelle que le statisticien américain Donald Rubin. Né au milieu du vingtième siècle, Rubin n’a pas seulement enrichi l’arsenal des méthodes mathématiques ; il a littéralement redéfini la manière dont la science moderne conceptualise la causalité, appréhende l’incomplétude des observations empiriques et navigue dans les incertitudes inhérentes à la condition humaine. De l’évaluation des politiques publiques aux essais cliniques de pointe, en passant par les sciences cognitives et le comportement organisationnel, ses percées théoriques ont forgé le socle méthodologique sur lequel repose la recherche empirique actuelle.

Avant les contributions pionnières de Rubin, les sciences sociales et la psychologie se trouvaient prisonnières d’une aporie épistémologique majeure. D’un côté régnait l’idéal expérimental hérité de Sir Ronald Fisher, fondé sur la randomisation pure, souvent inapplicable pour des raisons éthiques, pratiques ou logistiques face à la complexité des conduites humaines. De l’autre proliférait une utilisation naïve des régressions linéaires et des corrélations observationnelles, où la confusion entre simple association statistique et détermination causale entretenait des diagnostics erronés et des théories psychologiques fragiles. En introduisant le modèle des résultats potentiels (Potential Outcomes), le score de propension, la formalisation rigoureuse des données manquantes et l’algorithme EM, Rubin a apporté une grammaire unifiée capable de surmonter ce clivage.

Cet article propose une exploration intégrale et approfondie de la vie, de l’œuvre et de la portée intellectuelle de Donald Rubin, depuis ses années de formation jusqu’à ses développements les plus récents à l’aube du vingt-et-unième siècle. À travers l’analyse de ses ruptures paradigmatiques, nous examinerons comment un chercheur initialement formé à la physique fondamentale a pu métamorphoser les fondations de la psychométrie, de la psychologie clinique et des sciences comportementales, établissant un pont indestructible entre la théorie des probabilités et l’étude scientifique de l’esprit humain.

1. Introduction biographique et genèse intellectuelle (1943-années de formation)

1.1 Origines familiales, formation initiale et transition vers les statistiques

Donald Bruce Rubin naît le 22 décembre 1943 à Washington, D.C., dans un contexte historique marqué par l’essor spectaculaire des sciences appliquées et de la recherche opérationnelle suscité par la Seconde Guerre mondiale. Dès ses premières années de scolarité, le jeune Rubin manifeste une appétence exceptionnelle pour les disciplines formelles, se distinguant par une pensée logique rigoureuse et une intuition spatiale et analytique hors du commun. Élevé dans un environnement familial qui valorise au plus haut point l’émulation intellectuelle et la curiosité académique, il s’oriente tout naturellement vers les sciences fondamentales à l’aube de ses études universitaires.

Admis à la prestigieuse Université de Princeton, Rubin entreprend un cursus de premier cycle en physique. Durant cette période formatrice, il baigne dans l’atmosphère intellectuelle d’une discipline alors au sommet de sa rigueur mathématique, dominée par les principes de la mécanique quantique et de la thermodynamique statistique. Il obtient son Bachelor of Arts en physique en 1965. Cette formation initiale en physique s’avère décisive pour la suite de son parcours : elle lui inculque l’exigence d’une modélisation mécanique et déterministe des phénomènes, le respect absolu de la validité de mesure et une méfiance instinctive envers les constructions mathématiques abstraites dépourvues d’ancrage empirique tangible.

Cependant, au contact des données expérimentales et des incertitudes de laboratoire, Rubin commence à percevoir les limites d’une physique théorique trop éloignée de la complexité désordonnée du monde vivant. Son intérêt bascule progressivement vers les mathématiques de l’aléa et de l’incertitude. Il intègre alors l’Université Harvard, où il décroche d’abord une maîtrise en informatique et statistiques en 1966, avant de poursuivre un doctorat au sein du département de statistique, sous la direction éclairée de William Gemmell Cochran. Cette transition marque l’abandon de l’étude des particules inanimées au profit des êtres humains et des systèmes sociaux.

Sous la tutelle de Cochran, l’un des géants historiques de la théorie de l’échantillonnage et de l’analyse des données observationnelles, Rubin découvre les défis immenses posés par l’inférence en milieu non contrôlé. En 1970, il soutient sa thèse de doctorat intitulée The Use of Matched Sampling and Regressional Adjustment to Remove Bias in Observational Studies. Ce travail doctoral jette les bases de ce qui deviendra l’œuvre de sa vie : développer des outils capables d’extraire la vérité causale à partir de données imparfaites, bruitées et incomplètes, caractéristiques inhérentes aux sciences du comportement et à la société humaine.

1.2 Environnement intellectuel et influences formatrices à Harvard

L’ambiance intellectuelle qui règne à Harvard dans les années 1960 et 1970 est marquée par une tension féconde entre différentes visions de l’inférence statistique. D’une part, l’orthodoxie fréquentiste, codifiée par Jerzy Neyman et Egon Pearson, impose ses tests d’hypothèses et ses intervalles de confiance avec une rigidité parfois dogmatique. D’autre part, les prémices du renouveau bayésien, portées par des théoriciens cherchant à quantifier l’incertitude épistémique du chercheur, commencent à fissurer le consensus dominant. C’est dans ce creuset d’idées que Donald Rubin développe son esprit critique, refusant de s’enfermer dans une école de pensée exclusive au profit d’un pragmatisme méthodologique exigeant.

L’influence de William Cochran sur la trajectoire de Rubin est incommensurable. Cochran était l’un des rares statisticiens de son époque à s’intéresser sérieusement aux études observationnelles, c’est-à-dire aux contextes où le chercheur ne peut pas assigner aléatoirement les sujets à des groupes de traitement pour des raisons éthiques ou pratiques. Cochran transmet à Rubin une préoccupation fondamentale : comment évaluer l’effet d’une intervention lorsque les individus s’auto-sélectionnent ou sont sélectionnés par leur environnement ? Cette question résonne particulièrement dans les sciences humaines, où les corrélations brutes sont trop souvent interprétées à tort comme des relations de cause à effet.

À cette époque, les sciences du comportement sont dominées par l’utilisation quasi automatique de modèles de régression linéaire multiple et d’analyses de variance (ANOVA). Rubin perçoit très tôt les limites critiques de ces approches. Il constate que les chercheurs appliquent des équations mathématiques complexes sur des données observationnelles sans s’interroger sur la plausibilité physique ou conceptuelle des contrefactuels sous-jacents. L’ajustement statistique traditionnel est perçu comme une formule magique censée gommer les disparités entre groupes, alors qu’en réalité, il masque souvent des extrapolations hasardeuses et des biais d’endogénéité massifs.

Face à ce constat, Rubin ressent la nécessité urgente de doter l’évaluation des politiques sociales, de la santé mentale et des programmes éducatifs d’une assise méthodologique quasi-expérimentale d’une rigueur irréprochable. Inspiré par les programmes gouvernementaux de la Great Society américaine, qui injectent des milliards de dollars dans des réformes éducatives et sanitaires sans disposer d’outils fiables pour en mesurer le véritable impact, Rubin décide de consacrer son énergie à la construction d’un cadre conceptuel capable de distinguer l’effet réel d’une intervention des artefacts de sélection.

1.3 Passage aux sciences sociales et aux problématiques comportementales

Dès le début des années 1970, Rubin s’éloigne des spéculations purement abstraites pour collaborer étroitement avec des sociologues, des économistes de l’éducation et des psychologues quantitatifs. Ces interactions interdisciplinaires agissent comme un catalyseur pour sa réflexion. En côtoyant des praticiens confrontés à la réalité du terrain, il prend la mesure exacte des failles méthodologiques qui gangrènent la littérature en psychologie et en sociologie : échantillons de petite taille, déperdition massive de participants (attrition), questionnaires lacunaires et auto-sélection systématique des sujets dans les programmes thérapeutiques ou éducatifs.

Rubin comprend que les biais présents dans les données non expérimentales ne sont pas de simples bruits de fond que l’on pourrait éliminer en augmentant indéfiniment la taille des cohortes. Il s’agit de biais structurels, liés à la nature même des décisions humaines et des contextes socioculturels. Un individu choisissant de suivre une psychothérapie diffère fondamentalement, avant même le début de la prise en charge, d’un individu qui y renonce, tant sur le plan de la motivation intrinsèque que du soutien social ou de la sévérité initiale de ses troubles. Les approches statistiques standards de l’époque étaient tragiquement démunies pour démêler ces facteurs intriqués.

Cette prise de conscience amène Rubin à concevoir les prémisses d’une théorie causale unifiée, taillée sur mesure pour les sciences humaines. Plutôt que de contraindre la réalité psychologique à entrer dans les cases rigides de formules algébriques préétablies, Rubin fait le choix inverse : il part de la réalité humaine du sujet — un individu doté d’une trajectoire propre, susceptible d’emprunter des chemins différents selon les choix ou les traitements auxquels il est exposé — pour élaborer un langage formel adapté. Ce changement de perspective marque l’acte de naissance de ce qui deviendra universellement connu sous le nom de Modèle Causal de Rubin.

2. Le Modèle Causal de Rubin (RCM) : Fondements théoriques

2.1 Le concept novateur de résultats potentiels (Potential Outcomes)

Le saut conceptuel majeur opéré par Donald Rubin réside dans l’introduction et la formalisation du concept de résultats potentiels (potential outcomes), dont la première formulation systématique apparaît dans son article historique de 1974 intitulé Estimating Causal Effects of Treatments in Randomized and Nonrandomized Studies, publié dans le Journal of Educational Psychology. Bien que des intuitions similaires aient été esquissées par Jerzy Neyman en 1923 dans le cadre très spécifique des essais agronomiques randomisés, c’est Rubin qui universalise le concept, l’applique aux études observationnelles et en fait le fondement ontologique de toute l’inférence causale moderne.

Sur le plan mathématique, pour chaque unité statistique indexée par i (qui représente généralement un être humain en psychologie), Rubin postule l’existence de deux grandeurs théoriques : $Y_i(1)$, qui représente la valeur que prendrait la variable de réponse si l’unité i était exposée au traitement expérimental (par exemple, une thérapie comportementale), et $Y_i(0)$, la valeur que prendrait cette même unité si elle était exposée au traitement de contrôle ou au placebo. L’effet causal individuel au niveau du sujet i est alors défini de manière limpide par la différence arithmétique :

Effet Causal Individuel = $Y_i(1) – Y_i(0)$

C’est ici qu’intervient ce que Paul Holland qualifiera plus tard, dans un article de synthèse célèbre en 1986, de problème fondamental de l’inférence causale : pour un individu donné dans le monde réel, il est physiquement et temporellement impossible d’observer simultanément $Y_i(1)$ et $Y_i(0)$. Si le patient reçoit la thérapie, nous observons $Y_i(1)$, tandis que $Y_i(0)$ demeure à jamais inobservé, relégué au statut d’état contrefactuel. Réciproquement, si le patient est assigné au groupe témoin, $Y_i(0)$ est mesuré, mais $Y_i(1)$ devient la branche contrefactuelle inatteignable. Par conséquent, l’inférence causale ne peut jamais être un simple problème de calcul déterministe ; il s’agit intrinsèquement d’un problème de données manquantes.

Cette requalification bouleverse le paradigme dominant. L’analyse statistique ne doit plus chercher à estimer directement un effet individuel inaccessible, mais doit s’attacher à estimer des grandeurs moyennes agrégées au sein de populations ou sous-populations comparables. En rompant radicalement avec l’équation de régression naïve — qui se contentait d’associer des covariations sans se préoccuper de l’existence empirique des mondes contrefactuels —, le cadre de Rubin impose une clarification sémantique : un coefficient statistique ne peut prétendre au statut d’effet causal que si l’on est capable de définir explicitement l’état hypothétique dans lequel l’individu aurait évolué en l’absence de l’intervention.

2.2 L’hypothèse SUTVA (Stable Unit Treatment Value Assumption)

Pour que le modèle des résultats potentiels soit mathématiquement et logiquement valide, Rubin formule une condition préalable indispensable, formalisée sous l’acronyme SUTVA (Stable Unit Treatment Value Assumption), ou hypothèse de stabilité de la valeur du traitement pour chaque unité. Cette hypothèse fondamentale comporte deux volets indissociables qui conditionnent l’ensemble des déductions causales qui peuvent en découler.

Le premier volet postule l’absence d’interférence entre les unités. Cela signifie que le résultat potentiel d’un individu $i$, qu’il s’agisse de $Y_i(1)$ ou de $Y_i(0)$, ne doit en aucun cas dépendre du statut de traitement assigné à un autre individu $j$. En d’autres termes, le fait que mon voisin reçoive ou non le traitement ne doit avoir aucun impact direct sur l’expression de mes propres symptômes ou performances. Si une telle contagion se produit — comme c’est typiquement le cas lors d’une intervention scolaire où des élèves traités partagent leurs acquis avec des camarades du groupe témoin —, l’écriture même de $Y_i(1)$ devient instable, car elle dépend désormais du vecteur complet des assignations de l’ensemble du groupe.

Le second volet impose l’invariance de la forme du traitement. Il postule qu’il n’existe pas de versions cachées ou hétérogènes de l’intervention qui ne seraient pas explicitement modélisées. Si un protocole stipule l’administration d’une thérapie cognitive de huit semaines, chaque participant assigné au statut $Z_i = 1$ doit recevoir une intervention conceptuellement identique, sans quoi la signification de $Y_i(1)$ s’émiette en une multiplicité de sous-résultats non identifiés. En psychologie clinique, cette exigence soulève le défi colossal de la fidélité de traitement des thérapeutes : si un clinicien dispense une variante non documentée de la thérapie, la condition SUTVA est formellement violée.

Les défis que pose SUTVA dans les recherches écologiques, les dynamiques de groupe et la psychologie sociale sont considérables. Dans l’étude des réseaux sociaux ou de la diffusion des comportements addictifs, l’interférence n’est pas un biais marginal, mais l’objet d’étude lui-même. Rubin et ses continuateurs ont dès lors développé des extensions méthodologiques permettant de relâcher SUTVA, notamment par la modélisation explicite des effets de débordement (spillover effects) et des assignations en grappes, illustrant la fécondité d’un cadre conceptuel capable de théoriser précisément ses propres limites.

2.3 Définition de l’effet moyen de traitement (ATE et ATT)

À partir du moment où le problème fondamental de l’inférence causale empêche la saisie des trajectoires individuelles isolées, le statisticien doit se tourner vers des estimateurs agrégés. Le modèle de Rubin permet de formaliser mathématiquement deux grandeurs cardinales qui orientent la quasi-totalité des études d’impact contemporaines : l’effet moyen de traitement (Average Treatment Effect, ATE) et l’effet moyen de traitement sur les traités (Average Treatment Effect on the Treated, ATT).

L’ATE mesure l’effet causal moyen que l’on observerait si l’intégralité de la population cible était assignée au traitement expérimental par rapport à une situation où cette même population entière serait assignée au contrôle :

$ATE = \mathbb{E}[Y(1) – Y(0)] = \mathbb{E}[Y(1)] – \mathbb{E}[Y(0)]$

De son côté, l’ATT restreint cette évaluation à la sous-population qui a effectivement reçu le traitement dans la réalité ($Z = 1$) :

$ATT = \mathbb{E}[Y(1) – Y(0) mid Z = 1] = \mathbb{E}[Y(1) mid Z = 1] – \mathbb{E}[Y(0) mid Z = 1]$

La distinction entre ATE et ATT s’avère primordiale en psychologie et en santé publique. Prenons l’exemple d’un programme d’accompagnement psychologique destiné aux vétérans de guerre souffrant d’un état de stress post-traumatique (ESPT). L’ATT quantify le gain thérapeutique réel obtenu par les vétérans qui ont effectivement franchi la porte du dispensaire pour suivre ce programme. En revanche, l’ATE estime ce que ce programme produirait s’il était rendu obligatoire pour l’ensemble des vétérans, y compris ceux qui ne ressentent aucun trouble ou qui sont farouchement opposés à l’aide psychologique. Confondre ces deux mesures conduit à des décisions cliniques et financières dramatiquement erronées.

Dans ce schéma, Rubin démontre avec une élégance mathématique souveraine pourquoi l’assignation aléatoire constitue l’étalon-or scientifique. Lorsque l’assignation $Z$ est rendue indépendante des résultats potentiels par un tirage au sort probabiliste ($Z perp ! ! ! perp (Y(1), Y(0))$), l’espérance conditionnelle des résultats observés dans les groupes coïncide parfaitement avec l’espérance des résultats potentiels globaux : $\mathbb{E}[Y mid Z=1] = \mathbb{E}[Y(1)]$ et $\mathbb{E}[Y mid Z=0] = \mathbb{E}[Y(0)]$. La différence des moyennes empiriques observées devient alors un estimateur sans biais de l’ATE et de l’ATT, résolvant mathématiquement le dilemme du contrefactuel manquant.

3. Révolution de l’inférence causale dans la recherche psychologique

3.1 Dépassement du paradigme corrélationnel classique

L’introduction du modèle de Rubin a provoqué une onde de choc salutaire au sein de la recherche psychologique, une discipline historiquement déchirée entre la tradition expérimentale de laboratoire et la tradition descriptive observationnelle. Pendant des décennies, de larges pans de la psychologie différentielle, du développement et de la psychopathologie s’étaient résignés à accumuler des matrices de corrélation, accompagnées du célèbre avertissement déclamé comme un mantra stérile : « corrélation n’est pas causalité ». Pourtant, dans la pratique éditoriale, les discussions d’articles glissaient presque systématiquement vers des interprétations causales déguisées.

Donald Rubin a dénoncé avec vigueur l’illusion consistant à croire qu’une équation de régression multiple, par le simple ajout de variables de contrôle dans un modèle linéaire, parvenait à « contrôler pour » les facteurs de confusion. Il a démontré que l’ajustement par régression repose sur des hypothèses paramétriques héroïques et invérifiables : linéarité stricte des relations, absence d’interactions non modélisées et extrapolation sauvage entre des populations qui ne partagent aucun recouvrement empirique. Ajuster une régression sans contrefactuel explicite revenait trop souvent à comparer l’incomparable en masquant les écarts sous un vernis mathématique illusoire.

Cette clarification épistémologique a permis d’opérer une distinction nette entre trois notions fondamentales souvent amalgamées par les chercheurs :

• La covariation statistique : simple constat empirique que deux variables varient de concert dans un échantillon donné ;
• La prédiction statistique : capacité algorithmique d’anticiper la valeur d’une variable à partir d’autres indices sans préjuger des leviers d’action ;
• Le mécanisme causal : modification délibérée ou contrefactuelle d’un état du monde entraînant de manière invariable et reproductible une altération d’un résultat spécifique.

Sous l’influence de Rubin, les facultés de psychologie ont progressivement repensé leurs maquettes d’enseignement méthodologique, plaçant la réflexion contrefactuelle en amont de toute manipulation informatique des données.

3.2 Application aux devis de recherche quasi-expérimentaux

Dans la lignée des travaux pionniers de Donald Campbell et Julian Stanley sur la validité interne et externe, Donald Rubin a offert aux devis de recherche quasi-expérimentaux la charpente mathématique formelle qui leur faisait cruellement défaut. Alors que Campbell décrivait les menaces à la validité sous forme de catalogues qualitatifs de biais (régression vers la moyenne, maturation, histoire), Rubin a traduit ces intuitions en théorèmes statistiques rigoureux fondés sur le conditionnement des résultats potentiels.

Le point central défendu inlassablement par Rubin est la primauté absolue du design de l’étude (design-based inference) sur la modélisation statistique a posteriori. Pour Rubin, aucune sophistication algorithmique, aucun réseau de neurones ni aucune équation structurelle ne peut compenser les faiblesses structurelles d’un protocole mal conçu. La question fondamentale que chaque psychologue doit se poser avant d’analyser ses données n’est pas « quelle régression dois-je faire tourner ? », mais « quel essai randomisé idéal suis-je en train de tenter d’imiter avec mes données observationnelles ? ».

Cette réhabilitation des études observationnelles bien conçues a profondément transformé la psychologie appliquée. Face aux contraintes éthiques insurmontables interdisant d’assigner arbitrairement des individus à des conditions néfastes (comme le stress chronique, la précarité ou l’exposition aux violences conjugales), les chercheurs ont pu s’appuyer sur la méthodologie de Rubin pour concevoir des études quasi-expérimentales répondant aux critères les plus stricts de la rigueur scientifique. L’observation méthodique cessait d’être le parent pauvre de l’expérimentation de laboratoire pour devenir un instrument de découverte causale de premier ordre.

3.3 Impact direct sur l’évaluation des psychothérapies

Le domaine de l’évaluation des psychothérapies offre sans doute l’une des illustrations les plus spectaculaires de l’apport de Donald Rubin à la santé mentale. Dans les années 1980 et 1990, les débats faisaient rage entre les partisans des thérapies comportementales et cognitives (TCC), les tenants des approches psychodynamiques et les défenseurs des thérapies systémiques. Les revues étaient inondées d’études comparant des cohortes de patients suivis dans différentes cliniques, concluant hâtivement à la supériorité de telle ou telle technique sans réaliser que les profils de patients variaient drastiquement d’un centre à l’autre.

Le modèle causal de Rubin a mis en lumière l’ampleur catastrophique du biais d’auto-sélection et du biais d’indication dans ces études. Les patients qui s’orientent d’eux-mêmes vers une psychanalyse au long cours possèdent en moyenne un niveau socio-éducatif, une introspection verbale et des ressources financières radicalement distincts de ceux orientés vers des prises en charge comportementales brèves dans des dispensaires publics. Comparer les trajectoires symptomatiques brutes de ces deux groupes sans reconstruire un équilibre contrefactuel rigoureux conduisait à des conclusions absurdes et dommageables pour la santé publique.

En imposant des protocoles standardisés fondés sur la reconstruction de groupes témoins virtuellement équivalents avant tout calcul d’efficacité, les travaux de Rubin ont servi de guide aux grandes agences de santé, à l’image du National Institute for Health and Care Excellence (NICE) au Royaume-Uni ou des départements d’évaluation de l’American Psychological Association (APA). Désormais, l’homologation empirique d’un traitement psychologique requiert la démonstration irréfutable que les bénéfices observés sont attribuables aux ingrédients actifs de la thérapie plutôt qu’aux caractéristiques préexistantes des patients ayant choisi cette modalité thérapeutique.

4. Le score de propension (Propensity Score) : Théorie et mathématisation

4.1 L’article séminal de Rosenbaum et Rubin (1983)

En 1983, Donald Rubin publie en collaboration avec Paul R. Rosenbaum, son brillant étudiant et collègue, ce qui va devenir l’un des textes les plus influents et les plus cités de toute la littérature mathématique moderne : The Central Role of the Propensity Score in Observational Studies for Causal Effects, paru dans la prestigieuse revue Biometrika. Cet article résout l’une des impasses méthodologiques majeures de l’ajustement non expérimental : la malédiction de la dimensionnalité.

Jusqu’alors, pour contrôler une multitude de variables de confusion pré-traitement (âge, sexe, sévérité clinique, statut socio-économique, antécédents médicaux), les chercheurs tentaient de réaliser des appariements exacts. Or, dès que le nombre de covariables dépasse quelques unités, le nombre de combinaisons possibles explose de façon combinatoire, rendant impossible la découverte d’un sujet témoin possédant exactement les mêmes caractéristiques qu’un sujet traité. Rosenbaum et Rubin introduisent une solution mathématique d’une élégance conceptuelle vertigineuse : le score de propension, noté $e(X)$.

Le score de propension est formellement défini comme la probabilité conditionnelle pour un individu de recevoir le traitement expérimental ($Z = 1$) étant donné l’ensemble de ses covariables observées pré-traitement $X$ :

$e(X) = \mathbb{P}(Z = 1 mid X)$

Le théorème fondamental établi par Rosenbaum et Rubin prouve que le score de propension est un score d’équilibrage (balancing score). Cela implique que conditionnellement à cette valeur scalaire unique comprise entre 0 et 1, la distribution du vecteur multidimensionnel des covariables $X$ devient statistiquement identique entre le groupe des traités et le groupe des témoins :

$X perp ! ! ! perp Z mid e(X)$

Ce résultat mathématique capital repose sur l’hypothèse de l’ignorabilité forte conditionnelle (Strong Ignorability), qui exige que deux conditions soient satisfaites :

1. L’indépendance conditionnelle des résultats potentiels : $(Y(1), Y(0)) perp ! ! ! perp Z mid X$ ;
2. L’hypothèse de positivité ou de support commun : $0 < mathbb{P}(Z = 1 mid X) < 1$ pour tout $X$.

Grâce à ce théorème, l’immense problème consistant à apparier des sujets sur des dizaines de dimensions hétérogènes est réduit à la comparaison sur une seule dimension continue, bouleversant à jamais la pratique statistique.

4.2 Techniques opérationnelles d’ajustement basées sur le score

L’estimation du score de propension — réalisée couramment à l’aide d’un modèle de régression logistique, d’un modèle probit ou, plus récemment, d’algorithmes d’apprentissage automatique — n’est que la première étape d’un processus rigoureux. Rubin a théorisé plusieurs modalités opérationnelles pour utiliser ce score afin de neutraliser les biais de confusion dans les études empiriques :

• L’appariement sur score de propension (Propensity Score Matching, PSM) : Cette approche consiste à associer à chaque sujet traité un ou plusieurs sujets témoins disposant d’un score de propension le plus proche possible. L’appariement peut être glouton (greedy matching) ou optimal au sens combinatoire global, avec ou sans remplacement, et délimité par une fenêtre de tolérance maximale appelée calibre (caliper) pour interdire les appariements aberrants ;
• La sous-classification ou stratification : Rubin a démontré mathématiquement que diviser la distribution globale du score de propension en cinq quintiles homogènes permettait d’éliminer approximativement 90 % du biais de confusion global associé à l’ensemble des covariables mesurées ;
• La pondération par l’inverse de la probabilité de traitement (Inverse Probability of Treatment Weighting, IPTW) : Issue des principes d’échantillonnage d’Horvitz-Thompson, cette méthode attribue un poids statistique à chaque observation égal à $w_i = \frac{Z_i}{e(X_i)} + \frac{1 – Z_i}{1 – e(X_i)}$. Cela crée une pseudo-population synthétique au sein de laquelle la distribution des caractéristiques pré-traitement est rigoureusement indépendante du traitement reçu ;
• L’ajustement par régression sur le score : Utilisation directe de la valeur scalaire du score comme covariable d’ajustement dans le modèle statistique final.

Une étape déterminante théorisée par Rubin réside dans l’analyse scrupuleuse du support commun (common overlap). Si un patient traité présente un score de propension de 0,98 et qu’aucun sujet témoin dans l’ensemble de données ne possède un score approchant, ce sujet se situe hors du champ contrefactuel empirique. Rubin insiste avec fermeté : de tels individus doivent être impérativement exclus de l’analyse, car prétendre extrapoler leur résultat contrefactuel relève de la pure spéculation non scientifique.

4.3 Diagnostics de balance des covariables

L’un des enseignements les plus cruciaux de Donald Rubin concerne la primauté absolue des diagnostics d’équilibre (balance diagnostics). Contrairement à la régression classique où les chercheurs s’empressent de scruter les coefficients et les significativités statistiques, l’approche par score de propension impose une étanchéité méthodologique totale entre la phase d’ajustement et la phase d’évaluation des résultats.

Rubin pose une règle d’or déontologique et méthodologique : le chercheur qui modélise le score de propension et réalise l’appariement doit travailler en aveugle total de la variable de résultat ($Y$). L’analyste ne doit avoir accès qu’aux données pré-traitement ($X$) et au statut d’assignation ($Z$). Cette séparation stricte protège la science du fléau contemporain du p-hacking et de la manipulation des données : il est impossible d’ajuster opportunément les spécifications du modèle pour faire émerger un résultat significatif si l’on ignore totalement l’impact de ces choix sur l’outcome.

Pour attester qu’une pseudo-randomisation a été réalisée avec succès, Rubin préconise le calcul des différences de moyennes standardisées (Standardized Mean Differences, SMD) pour chaque covariable avant et après appariement :

$d = \frac{\bar{X}_{\text{traité}} – \bar{X}_{\text{témoin}}}{\sqrt{\frac{s_{\text{traité}}^2 + s_{\text{témoin}}^2}{2}}}$

Selon les critères établis par Rubin, un appariement est considéré comme recevable sur le plan scientifique lorsque la valeur absolue de cette distance standardisée est inférieure à 0,10 écart-type pour l’ensemble des variables de confusion, et que le ratio des variances des résidus approche l’unité. Tant que cet équilibre parfait n’est pas atteint, le chercheur doit recommencer sa modélisation sans jamais consulter les résultats finaux, garantissant ainsi l’intégrité absolue de la démarche empirique.

5. Applications du score de propension en psychologie clinique et sociale

5.1 Défis éthiques et études observationnelles en psychopathologie

La recherche en psychopathologie et en psychiatrie clinique se heurte quotidiennement à des barrières éthiques infranchissables. Il est inimaginable pour un chercheur d’assigner par tirage au sort des êtres humains à des conditions telles que le viol conjugal, la perte brutale d’un parent pendant la petite enfance, la dépendance sévère aux opiacés ou la maltraitance physique. De facto, ces questions fondamentales relatives aux causes profondes de la souffrance psychique ne peuvent être appréhendées qu’à travers l’observation de cohortes en milieu réel.

L’application du score de propension a permis de sortir ces domaines de la stagnation méthodologique. Dans l’étude des conséquences à long terme des violences subies durant l’enfance sur l’apparition de troubles dépressifs majeurs ou de troubles de la personnalité à l’âge adulte, les études initiales étaient lourdement biaisées. Les enfants maltraités grandissent souvent dans des environnements cumulant précarité économique, instabilité parentale, délinquance environnante et carences nutritionnelles. Attribuer leur détresse adulte à la seule maltraitance sans neutraliser ces variables massives relevait de la conjecture.

Grâce aux méthodes développées par Donald Rubin, les chercheurs en psychopathologie ont pu concevoir des devis observationnels où chaque adulte ayant survécu à un traumatisme infantile est rigoureusement apparié à un individu issu d’un environnement socio-économique et familial strictement équivalent, mais n’ayant pas été exposé aux sévices physiques. Cette reconstitution rigoureuse du contrefactuel a permis d’isoler l’effet pathogénique spécifique du traumatisme psychique, offrant à la clinique des estimations d’une précision inédite quant aux coûts humains et développementaux des violences intra-familiales.

5.2 Contrôle des facteurs de confusion dans les études longitudinales

Les études longitudinales de développement représentent un autre domaine où l’apport du score de propension a profondément modifié les pratiques scientifiques. Dans des cohortes suivant des milliers d’enfants de la naissance à la maturité, telles que la cohorte britannique ALSPAC ou l’étude longitudinale américaine NICHD, les trajectoires cognitives et émotionnelles s’entremêlent avec des événements de vie successifs qui agissent à la fois comme des causes et comme des conséquences.

Considérons l’évaluation de l’impact des programmes d’enrichissement préscolaire précoce (comme Head Start) sur les capacités attentionnelles et la réussite académique ultérieure. Les familles qui décident d’inscrire leurs enfants dans ces structures partagent souvent des valeurs éducatives spécifiques ou bénéficient d’un capital social invisible dans les registres administratifs simples. L’application des techniques de sous-classification et d’IPTW dynamique théorisées par Rubin permet d’ajuster le tirage statistique en tenant compte de l’ensemble de ces trajectoires en amont de l’inscription.

En nettoyant systématiquement les biais de confusion socio-éducatifs cumulatifs, les chercheurs ont pu démontrer avec certitude que les interventions éducatives précoces ne produisent pas seulement une amélioration transitoire des scores de quotient intellectuel, mais modifient structurellement les compétences non cognitives — la persévérance, la régulation émotionnelle et l’adaptation sociale. Ces conclusions n’auraient jamais pu acquérir le statut de certitudes scientifiques sans la rigueur méthodologique imposée par les algorithmes d’appariement de Rubin.

5.3 Analyses de sensibilité aux variables omises

L’un des mérites épistémologiques les plus remarquables de Donald Rubin réside dans sa lucidité quant aux limites intrinsèques de sa propre méthodologie. L’hypothèse d’ignorabilité forte conditionnelle ($Y(1), Y(0) perp ! ! ! perp Z mid X$) possède une caractéristique redoutable : elle est fondamentalement invérifiable à partir des données empiriques observées. Rien ne garantit jamais sur le plan logique qu’une variable non mesurée — un facteur génétique méconnu, un trait de personnalité latent, une disposition motivationnelle invisible — ne soit pas venue corrompre l’assignation au traitement.

Conscient de cette vulnérabilité inhérente aux études observationnelles, Rubin, en symbiose avec Paul Rosenbaum, a formalisé le cadre des analyses de sensibilité (sensitivity analysis), matérialisé notamment par les célèbres bornes de sensibilité de Rosenbaum (Rosenbaum bounds). Ces analyses permettent de poser une question quantitative cruciale : quelle devrait être la magnitude de l’effet d’une variable de confusion non mesurée pour anéantir totalement la conclusion causale observée dans l’étude ?

Mathématiquement, le paramètre $\Gamma$ (Gamma) quantifie le degré d’écart admissible par rapport à l’équiprobabilité d’assignation entre deux sujets pourtant identiques sur toutes leurs caractéristiques observées :

$\frac{1}{\Gamma} le \frac{\mathbb{P}(Z_i = 1 mid X_i) / (1 – \mathbb{P}(Z_i = 1 mid X_i))}{\mathbb{P}(Z_j = 1 mid X_j) / (1 – \mathbb{P}(Z_j = 1 mid X_j))} le \Gamma$

Si une étude montre qu’une psychothérapie demeure statistiquement supérieure au contrôle jusqu’à un seuil de $\Gamma = 2,5$, cela signifie qu’un facteur caché devrait multiplier par plus de deux fois et demie les chances d’un patient d’être traité pour annuler le résultat clinique. Donald Rubin a ainsi instauré une nouvelle norme de publication : aucun chercheur en sciences sociales ne devrait publier une conclusion causale issue de données d’observation sans fournir une estimation transparente de sa robustesse face aux variables fantômes.

6. La théorie du traitement des données manquantes (Missing Data)

6.1 Typologie fondamentale des mécanismes de perte (1976)

Parallèlement à ses percées sur la causalité, Donald Rubin a accompli une révolution intellectuelle tout aussi monumentale dans le traitement des observations incomplètes. Avant son intervention, le problème des données manquantes était relégué au rang de simple désagrément technique, traité par des expédients empiriques et des recettes de cuisine informatique sans fondement théorique. Dans un article magistral devenu la pierre angulaire universelle du domaine, Inference and Missing Data, publié en 1976 dans Biometrika, Rubin apporte la première classification mathématique formelle des mécanismes générateurs de données manquantes.

Soit la matrice de données complètes $Y = (Y_{\text{obs}}, Y_{\text{mis}})$, où $Y_{\text{obs}}$ représente la portion de l’information effectivement collectée et $Y_{\text{mis}}$ la partie non observée. Rubin introduit une matrice indicatrice binaire $M$, de mêmes dimensions que $Y$, où chaque élément vaut 1 si la donnée correspondante est manquante et 0 si elle est observée. Il définit alors trois mécanismes probabilistes régissant la distribution conjointe $\mathbb{P}(M mid Y)$ :

• MCAR (Missing Completely at Random) : Le mécanisme d’absence est totalement indépendant à la fois des valeurs observées et des valeurs non observées :

  $\mathbb{P}(M mid Y_{\text{obs}}, Y_{\text{mis}}) = \mathbb{P}(M)$

  Dans ce cas rarissime en pratique clinique, la perte de données équivaut à un tirage au sort pur (par exemple, une éprouvette accidentellement brisée par un technicien distrait).

• MAR (Missing at Random) : La probabilité d’absence dépend systématiquement des informations observées $Y_{\text{obs}}$, mais demeure conditionnellement indépendante des valeurs sous-jacentes manquantes $Y_{\text{mis}}$ :

  $\mathbb{P}(M mid Y_{\text{obs}}, Y_{\text{mis}}) = \mathbb{P}(M mid Y_{\text{obs}})$

  En psychologie, c’est l’hypothèse de travail centrale : les hommes plus âgés omettent plus fréquemment de répondre aux items sur la vie affective, mais à âge et sexe donnés, leur propension à répondre ne dépend plus de leur niveau réel de détresse intime.

• MNAR (Missing Not at Random) : La probabilité de non-réponse dépend de la valeur même qui aurait dû être mesurée :

  $\mathbb{P}(M mid Y_{\text{obs}}, Y_{\text{mis}}) ne \mathbb{P}(M mid Y_{\text{obs}})$

  Par exemple, les sujets souffrant d’une dépression clinique d’une sévérité extrême refusent massivement de remplir le questionnaire d’inventaire de dépression précisément en raison de leur prostration psychique.

Cette catégorisation a pulvérisé les intuitions fausses des chercheurs, démontrant que la nature mathématique du mécanisme de perte conditionne impérativement la validité de toute déduction ultérieure.

6.2 Dangers et biais des méthodes de gestion traditionnelles

Fort de cette clarification théorique, Donald Rubin a mené une croisade implacable contre les méthodes traditionnelles ad hoc employées aveuglément par les chercheurs en sciences humaines. La technique la plus répandue était alors la suppression de liste (listwise deletion ou complete case analysis), qui consistait à supprimer purement et simplement tout sujet présentant ne serait-ce qu’une seule valeur manquante sur l’ensemble d’un protocole de recherche.

Rubin a apporté la preuve mathématique que la suppression de liste ne produit des estimations non biaisées que si et seulement si les données sont strictement MCAR, une condition presque jamais vérifiée dans les sciences du comportement. Dès que le mécanisme relève du MAR ou du MNAR, l’analyse sur cas complets détruit la représentativité de l’échantillon, tronque artificiellement les distributions et engendre des biais systématiques massifs dans les estimations des coefficients de régression, des variances et des corrélations. En outre, sur un plan purement économique et technique, cette pratique entraîne une déperdition désastreuse de puissance statistique, jetant aux oubliettes des pans entiers de données valides pour la simple raison qu’une variable secondaire faisait défaut.

Rubin n’a pas été moins sévère envers l’imputation par la moyenne, pratique naïve consistant à remplacer chaque trou par la moyenne observée de la variable. Il a démontré que cette astuce grossière est un désastre méthodologique : elle comprime artificiellement la variance de l’échantillon, fausse les covariances entre variables, gonfle illégitimement les statistiques de test et multiplie de façon dramatique le taux de faux positifs (erreurs de type I). Grâce au plaidoyer rigoureux de Rubin, les plus prestigieuses revues scientifiques à comité de lecture ont fini par bannir formellement ces méthodes primitives de leurs pages.

6.3 Le concept clé d’ignorabilité du mécanisme d’absence

L’autre avancée analytique majeure de l’article de 1976 réside dans la formalisation des conditions d’ignorabilité du processus ayant engendré les données manquantes. Rubin pose la question suivante : à quelles conditions précises un chercheur peut-il procéder à des inférences sur les paramètres d’intérêt du modèle substantive sans avoir à formuler un modèle explicite décrivant le comportement de la matrice indicatrice $M$ ?

Rubin démontre que pour les approches fondées sur la vraisemblance (likelihood-based inference) et pour les approches bayésiennes, le mécanisme d’absence est qualifié d’ignorable si deux conditions distinctes sont simultanément satisfaites :

1. Les données doivent être au minimum Missing at Random (MAR) ;
2. Les paramètres régissant le processus substantiel des données ($\theta$) et les paramètres régissant le processus d’absence ($phi$) doivent être distincts au sens fonctionnel et bayésien (leurs espaces de paramètres doivent être indépendants et leurs lois a priori factorisables).

Lorsque cette ignorabilité est satisfaite, la fonction de log-vraisemblance observée se factorise de manière limpide :

$L(\theta, \phi mid Y_{\text{obs}}, M) = L(\theta mid Y_{\text{obs}}) \times L(\phi mid Y_{\text{obs}}, M)$

Le statisticien peut alors maximiser $L(\theta mid Y_{\text{obs}})$ de façon parfaitement isolée, sans craindre que la dynamique d’omission des réponses ne vienne biaiser l’estimation des paramètres réels de la population. Ce théorème fondamental a ouvert la voie à la création des algorithmes d’estimation les plus puissants de la fin du vingtième siècle.

7. L’Imputation Multiple : Révolution computationnelle et méthodologique

7.1 Principes mathématiques et étapes fondamentales de l’imputation multiple

Si la théorie de 1976 posait le diagnostic, Donald Rubin ne s’est pas arrêté là. Face aux limites de l’imputation simple — qui traite la valeur imputée comme si elle était une certitude absolue, sous-estimant ainsi l’incertitude statistique —, Rubin conçoit dans les années 1980 une méthodologie probabiliste révolutionnaire : l’imputation multiple (Multiple Imputation, MI), formalisée de manière monumentale dans son ouvrage de référence paru en 1987, Multiple Imputation for Nonresponse in Surveys.

L’imputation multiple rompt avec l’illusion d’une reconstruction déterministe unique. Elle repose sur un processus séquentiel structuré en trois phases indissociables :

• Phase d’imputation : Le chercheur génère non pas un seul, mais $M$ jeux de données complets distincts ($M ge 3$ historiquement, souvent $M ge 20$ à l’ère moderne). Pour chaque jeu $m in {1, dots, M}$, les valeurs manquantes sont échantillonnées de manière aléatoire à partir de la distribution prédictive a posteriori des valeurs manquantes conditionnellement aux données observées : $\mathbb{P}(Y_{\text{mis}} mid Y_{\text{obs}})$. Chaque jeu de données imputé contient ainsi des valeurs imputées légèrement différentes, reflétant fidèlement l’incertitude quant à la valeur réelle non observée ;
• Phase d’analyse : Le modèle statistique d’intérêt (analyse factorielle, modèle de régression, ANOVA) est estimé de manière standard et indépendante sur chacun des $M$ jeux de données complétés. L’analyste obtient alors $M$ estimations distinctes du paramètre d’intérêt $\hat{Q}_m$ et $M$ estimations de sa variance d’échantillonnage associée $U_m$ ;
• Phase de combinaison : Les estimations individuelles sont agrégées en un résultat final unique à l’aide d’un ensemble de formules analytiques rigoureuses instituées sous le nom de règles de combinaison de Rubin.

L’imputation multiple réussit ainsi le tour de force de préserver l’ensemble des cas de l’échantillon initial tout en intégrant mathématiquement la pénalité d’incertitude inhérente aux observations perdues.

7.2 Règles de combinaison de Rubin (Rubin’s Rules)

Les règles de combinaison de Rubin (Rubin’s Rules) constituent le cœur mathématique de l’imputation multiple et figurent parmi les théorèmes d’agrégation statistique les plus élégants du vingtième siècle. L’estimateur combiné final du paramètre d’intérêt $\bar{Q}$ est simplement la moyenne arithmétique directe des estimateurs issus des $M$ jeux de données :

$\bar{Q} = \frac{1}{M} \sum_{m=1}^M \hat{Q}_m$

La décomposition de la variance totale de cet estimateur combiné, notée $T$, constitue l’apport conceptuel le plus génial de Rubin. La variance totale est scindée en deux composantes fondamentales : la variance intra-imputation et la variance inter-imputations.

La variance intra-imputation, notée $\bar{U}$, mesure l’incertitude classique d’échantillonnage moyennée sur les $M$ analyses :

$\bar{U} = \frac{1}{M} \sum_{m=1}^M U_m$

La variance inter-imputations, notée $B$, capture la variabilité induite par l’absence d’information, matérialisée par la dispersion des estimations ponctuelles d’un jeu imputé à l’autre :

$B = \frac{1}{M – 1} \sum_{m=1}^M (\hat{Q}_m – \bar{Q})^2$

La variance totale finale de l’estimateur combiné est alors formalisée par l’équation magistrale :

$T = \bar{U} + \left(1 + \frac{1}{M}\right) B$

Le terme $\left(1 + \frac{1}{M}\right)$ représente un facteur de correction d’échantillonnage d’ordre fini reflétant le nombre limité d’imputations générées. En symbiose avec John Barnard en 1999, Rubin affine ensuite le calcul des degrés de liberté associés aux tests de Student pour petits échantillons, assurant une validité fréquentiste irréprochable et un contrôle parfait des intervalles de confiance finaux.

7.3 Adoption et standardisation en psychométrie contemporaine

La pénétration de l’imputation multiple au sein de la psychométrie contemporaine a constitué un tournant décisif. Dans l’administration des inventaires de personnalité, des tests d’intelligence ou des échelles cliniques comportementales, l’omission d’items individuels par les répondants était une plaie endémique. Les protocoles psychométriques traditionnels écartaient souvent des questionnaires entiers dès qu’une poignée de questions n’étaient pas renseignées, introduisant des biais d’auto-sélection colossaux parmi les populations les plus vulnérables.

Grâce à l’imputation multiple, la modélisation des questionnaires s’est affinée. L’imputation au niveau des items (item-level imputation), s’appuyant sur les corrélations riches existant entre les différents items d’une même sous-échelle, permet de reconstituer les scores composites avec une fidélité psychométrique remarquable. De surcroît, dans le cadre du traitement de l’attrition lors d’essais cliniques longitudinaux en psychiatrie, où les patients abandonnent fréquemment le suivi avant la fin des protocoles, l’imputation multiple s’est imposée comme le standard requis par la Food and Drug Administration (FDA) et l’Agence Européenne des Médicaments.

Cette standardisation a été grandement accélérée par la diffusion de progiciels statistiques de haut niveau intégrant nativement les règles de Rubin. Des packages tels que mice (Multivariate Imputation by Chained Equations) développé en langage R par Stef van Buuren, ainsi que les modules avancés de logiciels comme Mplus, SAS (via PROC MI et PROC MIANALYZE) ou SPSS, ont démocratisé ces techniques. Ce qui relevait autrefois d’un défi théorique d’une complexité insurmontable est devenu une routine méthodologique incontournable pour tout psychologue quantitatif digne de ce nom.

8. L’algorithme EM (Expectation-Maximization) et la vraisemblance

8.1 L’article fondateur de Dempster, Laird et Rubin (1977)

L’année 1977 constitue un jalon historique absolu dans les annales des sciences mathématiques et computationnelles. Donald Rubin, s’associant à ses collègues de Harvard Arthur Dempster et Nan Laird, publie dans le Journal of the Royal Statistical Society, Series B un article titanesque : Maximum Likelihood from Incomplete Data via the EM Algorithm. Cet article s’élève aujourd’hui parmi les publications scientifiques les plus citées de tous les temps, cumulant des dizaines de milliers de citations à travers l’ensemble des branches du savoir quantitatif.

Bien que des versions spécifiques d’algorithmes itératifs aient été employées de manière fragmentaire par divers auteurs pour des problèmes particuliers, Dempster, Laird et Rubin réalisent une synthèse conceptuelle prodigieuse. Ils définissent, formalisent et prouvent les propriétés mathématiques universelles de l’algorithme EM (Expectation-Maximization) comme une méthode générale pour obtenir des estimations par maximum de vraisemblance de paramètres dans des modèles statistiques complexes impliquant des données incomplètes, censurées ou des variables inobservées (latentes).

L’algorithme EM décompose un problème d’optimisation non linéaire souvent insoluble directement en une séquence itérative alternant deux étapes simples :

• L’étape E (Expectation) : À l’itération $t$, en utilisant la valeur courante des paramètres $\theta^{(t)}$, on calcule l’espérance conditionnelle de la log-vraisemblance des données complètes ($Y = (Y_{\text{obs}}, Y_{\text{mis}})$) par rapport à la distribution conditionnelle des données manquantes sachant les données observées :

  $Q(\theta mid \theta^{(t)}) = \mathbb{E}_{Y_{\text{mis}} mid Y_{\text{obs}}, \theta^{(t)}} \left[ \log L_c(\theta; Y_{\text{obs}}, Y_{\text{mis}}) \right]$

• L’étape M (Maximization) : On actualise l’estimation des paramètres en maximisant la fonction $Q$ ainsi obtenue par rapport à $\theta$ :

  $\theta^{(t+1)} = arg\max_\theta Q(\theta mid \theta^{(t)})$

Le théorème capital démontré dans l’article de 1977 garantit que chaque itération de cet algorithme augmente de façon monotone la log-vraisemblance des données observées ($L(\theta mid Y_{\text{obs}})$), assurant ainsi une convergence mathématique robuste vers un maximum local de la surface de vraisemblance.

8.2 Applications aux modèles psychométriques à variables latentes

L’irruption de l’algorithme EM a provoqué une véritable déflagration dans le domaine de la psychométrie et de la modélisation à variables latentes. En psychologie, une variable latente — qu’il s’agisse d’un trait de personnalité, de l’intelligence générale ($g$), ou de l’anxiété — n’est rien d’autre, sur le plan formel, qu’une donnée manquante pour l’ensemble des individus de l’échantillon. L’algorithme EM est dès lors apparu comme la technologie computationnelle idéale pour ces modèles.

Dans la théorie de réponse aux items (Item Response Theory, IRT), qui sous-tend la construction des grands tests psychologiques et des évaluations internationales (telles que le PISA), l’algorithme EM a permis de résoudre l’estimation conjointe des paramètres de difficulté des items et des capacités latentes des sujets. Sans l’étape E marginalisant les traits inobservés, les estimations étaient sujettes au paradoxe des paramètres incidents et à des instabilités de convergence catastrophiques.

De même, dans l’analyse factorielle confirmatoire (CFA) et la modélisation par équations structurelles (SEM) en présence de données empiriques lacunaires, l’algorithme a donné naissance à l’approche FIML (Full Information Maximum Likelihood). Les psychologues n’avaient plus besoin d’élaguer leurs matrices de données : l’algorithme EM permet d’ajuster des modèles de structures factorielles complexes directement sur l’information incomplète disponible, en utilisant chaque fragment d’observation disponible avec une rigueur statistique absolue.

Enfin, dans l’analyse de classes latentes (Latent Class Analysis, LCA) employée pour déceler des sous-types nosographiques homogènes de troubles psychopathologiques (comme les typologies de troubles de l’humeur), l’algorithme EM s’est imposé comme le moteur inférentiel incontournable pour estimer les probabilités d’appartenance des individus aux classes non observées.

8.3 Rôle de l’algorithme EM dans les fondations de l’inférence moderne

L’héritage de l’algorithme EM dépasse largement le cadre strict de la statistique mathématique pour irriguer l’ensemble de la révolution numérique contemporaine. Dans les domaines du traitement automatique du langage naturel, de la vision par ordinateur, de la génétique computationnelle et de l’intelligence artificielle, l’algorithme EM et ses extensions constituent le socle d’un nombre incalculable d’applications fondamentales.

Sur le plan théorique, l’article de Dempster, Laird et Rubin a servi de passerelle conceptuelle majeure entre le monde de l’estimation fréquentiste par maximum de vraisemblance et l’univers des calculs bayésiens. L’intuition consistant à compléter itérativement des données manquantes pour simplifier un problème analytique intraitable a directement inspiré le développement des méthodes de Monte-Carlo par chaînes de Markov (MCMC), notamment l’échantillonneur de Gibbs et les algorithmes d’augmentation de données développés par Tanner et Wong.

Dans les modèles de mélanges gaussiens (Gaussian Mixture Models) et les modèles de Markov cachés (HMM) utilisés pour décrypter les signaux électroencéphalographiques (EEG) ou les dynamiques émotionnelles en neurosciences cognitives, l’algorithme EM demeure le standard absolu d’optimisation. Par cette contribution monumentale, Donald Rubin a gravé son nom au panthéon des savants qui ont rendu possible l’exploitation scientifique des mégadonnées et des structures latentes de la complexité humaine.

9. L’épistémologie bayésienne selon Donald Rubin

9.1 Intégration de la perspective bayésienne dans la pratique appliquée

Bien que Donald Rubin ait élaboré des concepts fondamentaux célébrés au sein de l’école fréquentiste — à l’instar des tests de randomisation de Fisher ou de l’analyse asymptotique du score de propension —, son identité épistémologique profonde est intensément ancrée dans la philosophie bayésienne. Loin de tout dogmatisme sectaire, Rubin a développé une approche bayésienne éminemment pratique et pragmatique, dont l’incarnation littéraire suprême demeure le traité magistral coécrit avec Andrew Gelman, John Carlin et Hal Stern : Bayesian Data Analysis, affectueusement surnommé BDA par des générations de statisticiens à travers le monde.

Pour Rubin, l’opposition séculaire entre fréquentistes et bayésiens est largement stérile lorsqu’elle se cantonne à des arguties idéologiques. Ce qui séduit Rubin dans le paradigme bayésien, c’est sa cohérence logique inébranlable : la capacité d’actualiser nos croyances sur l’état du monde à la lumière des données collectées en appliquant rigoureusement le théorème de Bayes. Dans les sciences humaines, où les échantillons sont souvent restreints et les connaissances cliniques préalables substantielles, refuser d’intégrer des distributions a priori bien calibrées relève d’un gâchis informationnel incompréhensible.

Rubin envisage la distribution a priori non pas comme l’expression d’un mysticisme subjectif, mais comme un outil explicite de modélisation permettant d’injecter des contraintes scientifiques réalistes dans les modèles. En évaluant directement la plausibilité a posteriori des hypothèses de recherche, les psychologues peuvent enfin répondre à la question qui les intéresse véritablement : « quelle est la probabilité que cette thérapie soit efficace compte tenu des observations recueillies ? », plutôt que de se contenter de la formulation contournée et contre-intuitive imposée par les tests d’hypothèses nuls traditionnels.

9.2 Contrôles prédictifs a posteriori (Posterior Predictive Checks)

L’une des contributions épistémologiques les plus originales de Donald Rubin au sein du cadre bayésien réside dans la formalisation des contrôles prédictifs a posteriori (Posterior Predictive Checks, PPC), explicitée dans son article fondateur de 1984, Bayesianly Justifiable and Relevant Frequency Calculations for the Applied Statistician, paru dans The Annals of Statistics. Rubin y pose une exigence impérative : un modèle bayésien ne doit jamais être accepté aveuglément sous prétexte qu’il converge mathématiquement ; il doit prouver sa capacité à reproduire fidèlement la réalité phénoménologique.

Le principe des PPC est d’une puissance méthodologique redoutable. Si un modèle statistique est une description plausible des mécanismes psychologiques sous-jacents, alors en simulant de nouvelles pseudo-données $Y^{\text{rep}}$ à partir de la distribution prédictive a posteriori :

$\mathbb{P}(Y^{\text{rep}} mid Y_{\text{obs}}) = \int \mathbb{P}(Y^{\text{rep}} mid \theta) , \mathbb{P}(\theta mid Y_{\text{obs}}) , d\theta$

ces données répliquées doivent présenter des régularités morphologiques indiscernables des données empiriques originelles $Y_{\text{obs}}$.

Le chercheur définit alors des fonctions de test statistiques — évaluant par exemple l’asymétrie de la distribution, le comportement des queues de distribution, ou les corrélations extrêmes — et calcule une p-valeur prédictive bayésienne. Si le modèle génère des pseudo-patients dont les scores d’anxiété sont systématiquement déconnectés des profils cliniques réels observés sur le terrain, Rubin affirme que le modèle est mal spécifié et doit être impitoyablement rejeté ou révisé. Les contrôles prédictifs a posteriori transforment ainsi le modèle bayésien en un dispositif falsifiable au sens poppérien le plus noble.

9.3 Réponse potentielle à la crise de la reproductibilité en psychologie

Depuis le début des années 2010, la psychologie et les neurosciences traversent une crise de la reproductibilité sans précédent, marquée par l’effondrement expérimental de résultats canoniques sous le poids du p-hacking, de la publication sélective et de la manipulation inconsciente des seuils arbitraires de significativité statistique ($p < 0,05$). Donald Rubin avait pourtant prophétisé ces dérives dès les années 1970 et 1980, fustigeant la dépendance idolâtre de la psychologie envers les valeurs p de Ronald Fisher.

La doctrine de Rubin propose une issue royale à cette impasse épistémologique. D’une part, en exigeant la séparation totale entre le design expérimental et l’analyse finale (interdisant de regarder les variables de résultat lors des phases d’appariement), il élimine à la racine les degrés de liberté inavoués du chercheur. D’autre part, en promouvant l’inférence bayésienne et l’estimation continue des tailles d’effet accompagnées d’intervalles de crédibilité, il libère les sciences comportementales du carcan dichotomique du « significatif / non significatif ».

Dans l’optique de Rubin, une découverte scientifique ne réside pas dans le franchissement miraculeux d’un seuil probabiliste arbitraire, mais dans la quantification stable, transparente et reproductible d’un effet contrefactuel substantiel. En contraignant les scientifiques à expliciter formellement leurs hypothèses structurelles, leurs contraintes a priori et leurs mécanismes d’absence de réponse, le cadre rubinien restaure la rigueur et l’intégrité de la démarche empirique en sciences humaines.

10. Variables instrumentales et non-conformité dans les essais psychologiques

10.1 Le problème de la non-adhésion aux interventions comportementales

Dans les essais contrôlés randomisés menés en psychologie clinique, en addictologie ou en santé communautaire, les chercheurs sont constamment confrontés à un fléau méthodologique : la non-conformité (non-compliance). Si l’expérimentateur peut contrôler parfaitement l’assignation aléatoire à un groupe de traitement, il ne possède aucun pouvoir coercitif absolu sur le comportement réel des participants. Des sujets assignés à une psychothérapie intensive abandonnent après deux séances ; d’autres, affectés au groupe témoin sur liste d’attente, consultent clandestinement un praticien en cabinet libéral.

Face à cette distorsion, deux approches traditionnelles s’affrontaient historiquement, toutes deux porteuses de failles critiques :

• L’analyse par intention de traiter (Intention-To-Treat, ITT) : Les sujets sont analysés dans le groupe où ils ont été initialement assignés par tirage au sort, qu’ils aient ou non suivi l’intervention. L’ITT préserve l’équilibre de randomisation et évite tout biais de sélection, mais elle sous-estime drastiquement l’efficacité biologique ou psychologique intrinsèque du traitement en diluant l’effet chez les non-observants ;
• L’analyse per-protocole (Per-Protocol) : Le chercheur ne conserve dans l’analyse que les sujets qui ont scrupuleusement suivi le protocole prévu. Cette méthode détruit purement et simplement la randomisation initiale. Les patients qui mènent à terme une thérapie lourde diffèrent intrinsèquement des abandonneurs par leur résilience, leur soutien familial et leur motivation, réintroduisant massivement des biais de sélection destructeurs.

Il existait une carence théorique tragique : comment estimer l’effet causal de la réception effective du traitement sans sacrifier la pureté de la randomisation initiale ?

10.2 Le modèle Angrist, Imbens et Rubin (1996) et le CACE

La réponse à cette énigme théorique majeure est formulée dans un article monumental publié en 1996 dans le Journal of the American Statistical Association par Joshua Angrist, Guido Imbens et Donald Rubin : Identification of Causal Effects Using Instrumental Variables. Cet article révolutionne la méthode des variables instrumentales — issue de l’économétrie des années 1920 — en la refondant intégralement sur le modèle des résultats potentiels de Rubin.

Rubin et ses coauteurs introduisent le concept de strates principales (principal strata) fondées sur le comportement potentiel d’adhésion d’un individu face à l’assignation $Z in {0, 1}$. Ils classifient la population en quatre sous-groupes latents immuables :

• Les compliants (Compliers) : Sujets qui suivent scrupuleusement l’assignation reçue. Ils prennent le traitement s’ils sont assignés au traitement ($D(1) = 1$) et ne le prennent pas s’ils sont assignés au contrôle ($D(0) = 0$) ;
• Les toujours-preneurs (Always-takers) : Sujets qui prennent le traitement quelle que soit leur assignation ($D(1) = 1$ et $D(0) = 1$) ;
• Les jamais-preneurs (Never-takers) : Sujets qui refusent systématiquement le traitement, quelle que soit leur assignation ($D(1) = 0$ et $D(0) = 0$) ;
• Les déviants ou rebelles (Defiers) : Sujets qui font exactement l’inverse de ce qui leur est assigné ($D(1) = 0$ et $D(0) = 1$).

En posant l’hypothèse de monotonicité (absence de déviants dans la population, c’est-à-dire que l’assignation ne décourage personne de prendre le traitement) et l’hypothèse d’exclusion de restriction (l’assignation aléatoire n’a d’impact sur le résultat clinique $Y$ qu’à travers la réception effective du traitement $D$), les auteurs démontrent mathématiquement que l’estimateur classique par variable instrumentale (de Wald) identifie exactement l’effet causal moyen chez les compliants : le CACE (Complier Average Causal Effect), également désigné sous le terme de LATE (Local Average Treatment Effect) :

$CACE = \mathbb{E}[Y(1) – Y(0) mid \text{Compliers}] = \frac{\text{ITT}_Y}{\text{ITT}_D} = \frac{\mathbb{E}[Y mid Z=1] – \mathbb{E}[Y mid Z=0]}{\mathbb{E}[D mid Z=1] – \mathbb{E}[D mid Z=0]}$

Cette percée conceptuelle magistrale a connu une consécration planétaire lors de l’attribution du Prix Nobel d’économie 2021 à Joshua Angrist et Guido Imbens pour leurs travaux conjoints sur l’analyse causale, fondés sur cette collaboration fondamentale avec Donald Rubin.

10.3 Applications directes aux programmes préventifs et éducatifs

L’introduction du cadre CACE/LATE a profondément assaini l’évaluation des programmes de prévention et d’intervention comportementale dans les écoles, les prisons et les structures médico-sociales. Dans l’évaluation des campagnes de prévention du suicide chez les adolescents ou des ateliers de réduction des risques chez les usagers de drogues intraveineuses, l’observance aux séances de formation n’est jamais absolue.

Grâce à la formalisation de Rubin, les évaluateurs peuvent désormais fournir aux décideurs politiques deux métriques d’une clarté exemplaire :

1. L’effet global au niveau de l’ensemble de la collectivité ($\text{ITT}$), qui indique l’impact macroscopique de la mise en place de la politique publique en tenant compte du fait inévitable qu’une part des citoyens n’y participera pas ;
2. L’effet thérapeutique intrinsèque chez les bénéficiaires actifs ($CACE$), qui démontre l’efficacité réelle du contenu clinique chez les personnes qui s’y engagent effectivement.

Cette distinction a permis de sauver d’innombrables programmes comportementaux novateurs qui auraient été injustement rejetés par une analyse ITT naïve montrant des effets dilués insignifiants, tout en évitant les biais de confirmation inhérents aux analyses per-protocole.

11. Débats conceptuels et confrontations méthodologiques

11.1 La confrontation avec les graphes causaux de Judea Pearl (DAGs)

L’histoire de l’inférence causale moderne est marquée par une controverse intellectuelle passionnée et féconde opposant l’école des résultats potentiels de Donald Rubin à celle des diagrammes causaux orientés acycliques (DAGs) et du do-calculus développés par l’informaticien et lauréat du Prix Turing Judea Pearl. Ce débat épistémologique a animé les colloques internationaux pendant plus de deux décennies.

Judea Pearl reproche au formalisme de Rubin son opacité visuelle et son abstraction algébrique. Selon Pearl, les êtres humains raisonnent intuitivement à travers des représentations causales graphiques fléchées, et les DAGs permettent de détecter instantanément des structures de confusion complexes — à l’instar des redoutables biais de collisionneur (collider bias ou paradoxe de Berkson) — que les équations de résultats potentiels ne révéleraient qu’au prix de calculs conditionnels fastidieux.

La réplique de Donald Rubin est ancrée dans un scepticisme d’ingénieur et d’expérimentateur. Rubin rétorque que les graphes de Pearl reposent sur l’hypothèse téméraire que le chercheur connaît à l’avance l’architecture complète du réseau causal régissant la réalité, ce qui est une illusion totale en sciences humaines et médicales. Rubin met en garde contre la tendance à tracer des flèches subjectives sur un tableau blanc pour décréter des relations de cause à effet. Pour Rubin, seule la réflexion sur l’assignation concrète d’un traitement et sur l’imitation d’un protocole expérimental garantit la validité de l’inférence. Si les théoriciens contemporains ont largement démontré l’équivalence mathématique fondamentale des deux approches, la querelle stylistique demeure vivace entre la pureté algébrique rubinienne et la transparence graphique pearlienne.

11.2 Débats autour du réalisme des contrefactuels en sciences humaines

Au-delà de la querelle des outils mathématiques, Donald Rubin a été au centre d’intenses débats philosophiques portant sur le statut ontologique des résultats contrefactuels. Des philosophes des sciences et des sociologues ont soulevé des objections quant à la légitimité d’attribuer une réalité physique à des états du monde non advenus, s’interrogeant sur ce que signifie véritablement l’énoncé $Y_i(0)$ pour un événement passé.

Cette interrogation s’est cristallisée autour de la célèbre maxime méthodologique popularisée par Paul Holland et Donald Rubin : « Pas de causalité sans manipulation possible » (No causation without manipulation). Rubin insiste catégoriquement sur le fait qu’une variable ne peut être qualifiée de cause que si l’on est capable de concevoir, au moins en pensée (Gedankenexperiment), une intervention concrète capable de modifier son état pour une unité donnée. Cela a conduit Rubin à contester la validité causale directe de variables démographiques immuables telles que le sexe, l’âge ou l’origine ethnique.

Cette position a suscité des résistances passionnées au sein de la psychologie sociale et des études sur les discriminations. Des chercheurs se demandaient comment il était possible d’étudier scientifiquement le racisme ou le sexisme si le genre ou l’ethnicité ne pouvaient être considérés comme des causes. Rubin a magistralement clarifié le débat en recadrant le problème : la cause manipulable n’est pas le trait biologique ou identitaire intrinsèque du sujet, mais la perception ou l’information relative à ce trait fournie à un évaluateur. C’est ce principe fondamental qui sous-tend aujourd’hui les célèbres protocoles d’envoi de CV anonymisés (testing), démontrant une fois encore la puissance clarificatrice de l’épistémologie rubinienne.

11.3 Défense de la priorité accordée au design expérimental

Tout au long de ses cinquante années d’activité académique, Donald Rubin n’a cessé de guerroyer contre ce qu’il a souvent qualifié de dérive scientiste : la sur-sophistication mathématique compensatoire. Il a observé avec consternation la prolifération de publications sociologiques ou économiques alignant des modèles économétriques byzantins pour tenter de « corriger » des données collectées de manière désastreuse.

Rubin a forgé une métaphore restée célèbre dans les annales universitaires : le statisticien doit agir comme un architecte d’expériences, et non comme un magicien des données. Un magicien prétend transformer un matériau avarié en or pur grâce à des incantations algorithmiques ; un architecte refuse de poser la première brique tant que les fondations du terrain n’ont pas été méthodiquement sondées et stabilisées. Lors des congrès internationaux, Rubin rappelait inlassablement qu’aucun modèle paramétrique complexe ne saurait créer de l’information là où la nature de l’échantillonnage ne l’a pas imprimée.

Cette intransigeance épistémologique lui a parfois valu des critiques acerbes de la part de modélisateurs séduits par la mécanique pure des équations structurelles. Mais l’histoire des sciences a tranché en faveur de Rubin : les études d’impact qui ont résisté à l’épreuve du temps sont invariablement celles qui ont privilégié un design quasi-expérimental irréprochable et un appariement rigoureux plutôt que des acrobaties statistiques ex post.

12. L’héritage scientifique durable de Donald Rubin et perspectives d’avenir

12.1 Carrière professorale, honneurs académiques et mentorat

Le parcours académique de Donald Rubin est une succession continue d’honneurs et de reconnaissances institutionnelles suprêmes. Après avoir occupé des postes de chercheur au sein d’organismes prestigieux tels que l’Educational Testing Service (ETS) et l’Université de Chicago, il rejoint l’Université Harvard en 1983 en tant que professeur titulaire de statistique. Il y assume la présidence du département de statistique pendant plus de treize ans, hissant ce laboratoire au rang de premier pôle mondial de recherche en inférence causale et données manquantes.

Donald Rubin a publié plus de quatre cents articles scientifiques majeurs et une dizaine d’ouvrages faisant autorité. Ses contributions lui ont valu l’élection au sein des cénacles académiques les plus prestigieux de la planète : l’Académie Nationale des Sciences des États-Unis (NAS), l’Académie Américaine des Arts et des Sciences (AAAS), la British Academy, ainsi que le statut de Fellow de l’American Statistical Association (ASA) et de l’Institute of Mathematical Statistics (IMS). Il s’est vu décerner la médaille Wilks, le prix Parzen et le prix Fisher, couronnant l’ensemble d’une œuvre scientifique hors du commun.

Mais l’héritage de Rubin réside tout autant dans la constellation d’esprits brillants qu’il a formés et inspirés tout au long de son mentorat généreux et exigeant. Parmi ses étudiants doctoraux et collaborateurs proches figurent des figures de proue de la science mondiale comme Guido Imbens (Prix Nobel d’économie), Andrew Gelman (théoricien mondial du bayésianisme appliqué), Paul Rosenbaum (maître absolu de l’analyse observationnelle) ou Roderick Little (sommité de la théorie des données manquantes). Après son éméritat d’Harvard en 2018, refusant un repos intellectuel bien mérité, Rubin a poursuivi ses enseignements et ses recherches en tant que professeur à l’Université Tsinghua à Pékin, continuant à transmettre son savoir aux nouvelles générations de scientifiques d’Asie et d’Occident.

12.2 Convergence avec l’apprentissage automatique (Causal Machine Learning)

Au cours des deux premières décennies du vingt-et-unième siècle, les travaux de Donald Rubin ont connu une seconde jeunesse spectaculaire grâce à leur intégration foudroyante au cœur de l’apprentissage automatique et de l’intelligence artificielle. Ce mariage intellectuel a donné naissance à une discipline d’avant-garde : l’apprentissage automatique causal (Causal Machine Learning).

Des chercheurs comme Susan Athey et Stefan Wager ont directement greffé le modèle des résultats potentiels de Rubin sur les algorithmes d’arbres de décision pour inventer les forêts causales (Causal Forests). Ces algorithmes révolutionnaires permettent d’estimer avec une précision sans précédent les effets de traitement hétérogènes (Conditional Average Treatment Effects, CATE) au sein d’ensembles massifs de données :

$CATE(x) = \mathbb{E}[Y(1) – Y(0) mid X = x]$

Pour la psychologie de précision et la psychiatrie computationnelle, cette avancée est inouïe : il devient possible d’identifier précisément quel profil psychologique ou génétique singulier bénéficiera de manière optimale d’une thérapie spécifique, concrétisant l’idéal d’une médecine comportementale sur mesure.

De même, l’estimation des scores de propension et les algorithmes d’appariement sont aujourd’hui automatisés sur des bases de données de santé massives (Big Data) regroupant des millions de dossiers médicaux électroniques. Face au risque que les algorithmes de deep learning n’agissent comme de pures boîtes noires statistiques incapables d’expliquer leurs décisions, les théorèmes de Rubin sur la balance des covariables et l’ignorabilité forte conditionnelle constituent les garde-fous épistémologiques indispensables pour garantir que les intelligences artificielles de demain ne confondent pas de simples motifs prédictifs avec des régularités causales universelles.

12.3 Rôle central dans la refondation méthodologique des sciences psychologiques

Rétrospectivement, l’impact de Donald Rubin sur les sciences psychologiques apparaît comme rien de moins qu’une refondation copernicienne. Il a tiré la recherche comportementale hors du flou des interprétations corrélationnelles pour l’ancrer fermement dans la science de l’expérimentation contrefactuelle rigoureuse. Les recommandations méthodologiques des plus grandes sociétés savantes mondiales, au premier rang desquelles l’Association for Psychological Science (APS) et l’APA, portent l’empreinte indélébile de ses principes fondateurs.

Donald Rubin a offert aux chercheurs le lexique, la grammaire et les théorèmes nécessaires pour penser la causalité avec netteté, pour traiter les omissions de recueil de données sans travestir la réalité empirique, et pour aborder l’analyse quantitative avec une humilité épistémologique absolue. Il a démontré que la puissance des mathématiques ne réside pas dans l’artifice de formules hermétiques destinées à impressionner l’auditoire, mais dans la formalisation transparente des conditions matérielles et conceptuelles permettant d’approcher la vérité scientifique.

À travers son œuvre monumentale, Donald Rubin s’impose indiscutablement comme l’un des penseurs statistiques les plus déterminants de l’histoire humaine. Il a légué aux générations futures une boussole méthodologique inaltérable, scellant à jamais le pacte qui unit la rigueur formelle de la théorie des probabilités à l’exploration lucide, éthique et bienveillante de la complexité de l’esprit humain.

Références

Angrist, J. D., Imbens, G. W., & Rubin, D. B. (1996). Identification of causal effects using instrumental variables. Journal of the American Statistical Association, 91(434), 444–455. https://doi.org/10.1080/01621459.1996.10476902

Barnard, J., & Rubin, D. B. (1999). Small-sample degrees of freedom with multiple imputation. Biometrika, 86(4), 948–955. https://doi.org/10.1093/biomet/86.4.948

Cochran, W. G., & Rubin, D. B. (1973). Controlling bias in observational studies: A review. Sankhyā: The Indian Journal of Statistics, Series A, 35(4), 417–446.

Dempster, A. P., Laird, N. M., & Rubin, D. B. (1977). Maximum likelihood from incomplete data via the EM algorithm. Journal of the Royal Statistical Society: Series B (Methodological), 39(1), 1–38. https://doi.org/10.1111/j.2517-6161.1977.tb01600.x

Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2013). Bayesian Data Analysis (3rd ed.). Chapman and Hall/CRC. https://doi.org/10.1201/b16018

Holland, P. W. (1986). Statistics and causal inference. Journal of the American Statistical Association, 81(396), 945–960. https://doi.org/10.1080/01621459.1986.10478354

Imbens, G. W., & Rubin, D. B. (2015). Causal Inference for Statistics, Social, and Biomedical Sciences: An Introduction. Cambridge University Press. https://doi.org/10.1017/CBO9781139025751

Little, R. J. A., & Rubin, D. B. (2019). Statistical Analysis with Missing Data (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119482260

Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press. https://doi.org/10.1017/CBO9780511803161

Rosenbaum, P. R. (2002). Observational Studies (2nd ed.). Springer. https://doi.org/10.1007/978-1-4757-3692-2

Rosenbaum, P. R., & Rubin, D. B. (1983). The central role of the propensity score in observational studies for causal effects. Biometrika, 70(1), 41–55. https://doi.org/10.1093/biomet/70.1.41

Rosenbaum, P. R., & Rubin, D. B. (1984). Reducing bias in observational studies using subclassification on the propensity score. Journal of the American Statistical Association, 79(387), 516–524. https://doi.org/10.1080/01621459.1984.10478078

Rubin, D. B. (1974). Estimating causal effects of treatments in randomized and nonrandomized studies. Journal of Educational Psychology, 66(5), 688–701. https://doi.org/10.1037/h0037350

Rubin, D. B. (1976). Inference and missing data. Biometrika, 63(3), 581–592. https://doi.org/10.1093/biomet/63.3.581

Rubin, D. B. (1978). Bayesian inference for causal effects: The role of randomization. The Annals of Statistics, 6(1), 34–58. https://doi.org/10.1214/aos/1176344064

Rubin, D. B. (1980). Randomization analysis of experimental data: The Fisher randomization test comment. Journal of the American Statistical Association, 75(371), 591–593. https://doi.org/10.2307/2287653

Rubin, D. B. (1984). Bayesianly justifiable and relevant frequency calculations for the applied statistician. The Annals of Statistics, 12(4), 1151–1172. https://doi.org/10.1214/aos/1176346785

Rubin, D. B. (1987). Multiple Imputation for Nonresponse in Surveys. John Wiley & Sons. https://doi.org/10.1002/9780470316696

Rubin, D. B. (2005). Causal inference using potential outcomes: Design, modeling, decisions. Journal of the American Statistical Association, 100(469), 322–331. https://doi.org/10.1198/016214504000001880

Rubin, D. B. (2008). For objective causal inference, design trumps analysis. The Annals of Applied Statistics, 2(3), 808–840. https://doi.org/10.1214/08-AOAS187

van Buuren, S. (2018). Flexible Imputation of Missing Data (2nd ed.). Chapman and Hall/CRC. https://doi.org/10.1201/9780429492259

Wager, S., & Athey, S. (2018). Estimation and inference of heterogeneous treatment effects using random forests. Journal of the American Statistical Association, 113(523), 1228–1242. https://doi.org/10.1080/01621459.2017.1319839