Sélection de variables en médiation causale : méthodes basées sur le changement d'estimation et sur la différence en erreur quadratique moyenne

Les méthodes de sélection de variables basées sur les données pour l’estimation de l’effet total de l’exposition sur la réponse, comme le changement d’estimation (CIE) et la différence de l’erreur quadratique moyenne (DMSE), sont employées dans plusieurs domaines de recherche. Toutefois, il n’y a actuellement que très peu d’outils pour faire de la sélection de variables en médiation causale. L’objectif de cette étude est donc de modifier et d’évaluer par simulation Monte-Carlo le CIE et le DMSE pour faire de la sélection de variables dans le cadre d’une analyse de médiation lorsque le médiateur et la réponse sont continus. Nous avons considéré six procédures de sélection de variables, soit quatre algorithmes qui ont été développés pour cibler les variables appropriées pour l’estimation des effets naturels (in)directs de l’exposition sur la réponse (CIEmax, CIEeffets , DMSEmax et DMSEeffets) et deux procédures utilisées à des fins de sélection de variables pour l’effet total (CIEtotal et DMSEtotal). Les résultats montrent que le CIEmax, DMSEtotal, DMSEmax et DMSEeffets obtiennent des biais relatifs pour les effets naturels (in)directs inférieurs à 10% dans toutes les conditions évaluées, alors que les procédures basées sur le DMSE améliorent généralement la précision des estimateurs pour les effets naturels (in)directs. Cette étude a permis de montrer qu’il est possible d’utiliser ces méthodes basées sur les données pour faire de la sélection de variables en médiation causale.