Une variable de confusion (ou facteur confondant) est une variable qui peut fausser l'association observée entre deux autres variables et peut ainsi donner l'impression qu'il existe entre elles un lien qui est en réalité dû, en partie ou totalement, à cette troisième variable.¹
Pour qu'une variable soit considérée comme un facteur de confusion, elle doit notamment être associée à la variable explicative (l'exposition ou la cause supposée), être associée à la variable dépendante (l'effet mesuré) indépendamment de cette exposition, et ne pas constituer une étape intermédiaire dans la chaîne causale entre les deux.²
Par exemple, on pourrait observer une corrélation entre les ventes de glaces et le nombre de noyades : lorsque les ventes de glaces augmentent, les noyades augmentent également. Cela ne signifie évidemment pas que manger des glaces provoque des noyades. Une troisième variable, la température, influence les deux : lorsqu'il fait chaud, davantage de personnes achètent des glaces et davantage de personnes vont se baigner. La température constitue donc ici une variable de confusion.
Identifier les variables de confusion est essentiel lorsqu'on cherche à déterminer si une association observée peut réellement correspondre à une relation causale.
Références :
[1] VanderWeele, T. J., & Shpitser, I. (2011). A new criterion for confounder selection. Biometrics, 67(4), 1406–1413.
https://doi.org/10.1111/j.1541-0420.2011.01619.x
[2] Pearl, J. (2009). Causality: Models, Reasoning, and Inference (2nd ed.). Cambridge University Press.