Heterogeneous Treatment Effects and Causal Mechanisms

إليك ملخص تقني مفصل لورقة "الآثار غير المتجانسة للعلاج والآليات السببية" (Heterogeneous Treatment Effects and Causal Mechanisms) للباحثين جياوي فو وتارا سلو.

1. بيان المشكلة

غالباً ما يستخدم علماء الاجتماع الآثار غير المتجانسة للعلاج (HTEs) —وتحديداً التباين في متوسط الآثار الشرطية للعلاج (CATEs) عبر المتغيرات المسبقة للعلاج— لاستنتاج تفعيل الآليات السببية. على سبيل المثال، إذا أدى علاج بمعلومات عن الفساد إلى تقليل التصويت للمرشح الحالي بشكل أكبر بين الناخبين ذوي "النفور من الفساد" العالي، يستنتج الباحثون غالباً أن "النفور من الفساد" هو الآلية الفعالة.

ومع ذلك، تجادل الورقة بأن الأساس النظري لهذه الممارسة ضعيف. فالممارسة التجريبية الحالية غالباً ما تعامل وجود الآثار غير المتجانسة للعلاج (HTEs) كدليل قاطع على وجود آلية، وغيابها كدليل على أن الآلية خاملة. حدد المؤلفون ثلاث فجوات حرجة:

1. فشل التحديد (Identification Failure): لا تؤدي الآثار غير المتجانسة للعلاج تلقائياً إلى عزل آلية محددة دون فرضيات استبعاد قوية، وغالباً ما تكون ضمنية.
2. عدم تماثل الاستدلال (Asymmetry of Inference): قد يدعم وجود الآثار غير المتجانسة للعلاج تفعيل الآلية، لكن غياب هذه الآثار يكون بشكل عام غير مفيد فيما يتعلق بما إذا كانت الآلية نشطة أم خاملة.
3. الآثار الناتجة عن القياس (Measurement Artifacts): التحويلات غير الخطية الشائعة لمتغيرات النتيجة (مثل تحويل المنفعة إلى خيار تصويت ثنائي، أو التقسيم إلى فئات، أو اللوغاريتم) تنتهك القابلية للانفصال الجمعي المطلوبة لاختبارات الآلية القائمة على HTEs، مما يولد تبايناً زائفاً.

2. المنهجية والإطار العملي

طور المؤلفون إطاراً نظرياً رسمياً يوسع نموذج النتائج المحتملة (Neyman-Rubin) وتحليل الوساطة السببية.

التعريفات الجوهرية

• العلاج ($Z$): تدخل يتم تخصيصه عشوائياً.
• الآليات ($M_1, M_2, \dots$): وسطاء غير ملاحظين يتم تفعيلهم بواسطة $Z$ ويؤثرون على النتيجة $Y$.
• المُعدِّل ($X_k$): متغير مسبق للعلاج يُستخدم للكشف عن الآثار غير المتجانسة للعلاج (HTEs).
• متغير كاشف الآلية (MDV): متغير $X_k$ يعدّل الأثر غير المباشر لآلية معينة $M_j$ (أي أن متوسط الأثر غير المباشر (AIE) يتفاوت باختلاف $X_k$).

التفكيك (Decomposition)

يتم تفكيك الأثر الكلي ($TE$) إلى أثر مباشر ($DE$) وآثار غير مباشرة ($IE$) لآليات متعددة. يُعبر عن الـ CATE للمتغير $X_k$ كما يلي:
$$\text{CATE}(X_k=x) = \text{ADE}(X_k=x) + \sum_j \text{AIE}_j(X_k=x)$$
والفرق في الـ CATE بين مستويين من $X_k$ ($x$ و $x'$) هو:
$$\Delta \text{CATE} = \Delta \text{ADE} + \sum_j \Delta \text{AIE}_j$$

الافتراضات الرئيسية (افتراضات الاستبعاد)

لربط $\Delta \text{CATE}$ بآلية محددة $\Delta \text{AIE}$، يقترح المؤلفون افتراضين للاستبعاد:

1. الافتراض 1 (الاستبعاد I): المتغير $X_k$ لا يعدّل الأثر المباشر (أو آثار الآليات الأخرى غير المقاسة).
2. الافتراض 2 (الاستبعاد II): المتغير $X_k$ لا يعدّل الآثار غير المباشرة للآليات الأخرى ($M_{j \neq 1}$).

هذه الافتراضات تختلف عن الإغفال المتسلسل (Sequential Ignorability) المطلوب في تحليل الوساطة القياسي. وقد أظهر المؤلفون أن أي مجموعة من هذه الافتراضات لا تستلزم منطقياً المجموعة الأخرى؛ وبالتالي فإن تحليل HTE ليس بطبيعته أكثر أو أقل "حيادية" من تحليل الوساطة، ولكنه يتميز بميزة عدم الحاجة لقياس الوسيط.

دور التحويلات غير الخطية

يقدم الإطار مفهوم النتيجة المحولة ($\tilde{Y} = h(Y)$)، حيث $h(\cdot)$ هي دالة غير خطية (مثلاً: $Y \to \mathbb{I}[Y \ge 0]$ لخيار التصويت الثنائي).

• رؤية جوهرية: حتى لو صحت الافتراضات 1 و 2 للنتيجة الكامنة $Y$، فإنها تفشل عموماً بالنسبة للنتيجة المحولة $\tilde{Y}$. التحويلات غير الخطية تكسر الانفصال الجمعي للآليات، مما يجعل $X_k$ يبدو وكأنه يُعدّل آليات لا يعدلها في الواقع (على سبيل المثال: خلق آثار غير متجانسة لعلاقة الانتماء الحزبي حتى عندما لا يعدل الانتماء الحزبي آلية النفور من الفساد).

3. النتائج الرئيسية

حلل المؤلفون أربع حالات شاملة بناءً على وجود الآثار غير المتجانسة للعلاج وطبيعة متغير النتيجة (الجدول 2 في الورقة):

الحالة	نوع النتيجة	هل لوحظت HTEs؟	الاستدلال حول تفعيل الآلية
1	كامنة ($Y$)	نعم	استدلال صحيح: المتغير هو MDV. الآلية نشطة لوحدة واحدة على الأقل.
2	كامنة ($Y$)	لا	غير مفيد: قد يعني (أ) أن المتغير ليس MDV، (ب) أن الآلية نشطة ولكنها موحدة عبر الوحدات، أو (ج) أن الآلية خاملة. لا يمكن استبعاد التفعيل.
3	محولة ($\tilde{Y}$)	نعم	استدلال غير صحيح: قد تنتج الـ HTEs عن التحويل غير الخطي نفسه. لا يمكن استنتاج تفعيل الآلية.
4	محولة ($\tilde{Y}$)	لا	غير مفيد: غياب الـ HTEs لا يوفر معلومات حول تفعيل الآلية بسبب انتهاك افتراضات الاستبعاد.

النتائج الرئيسية:

• عدم التماثل: يمكن للآثار غير المتجانسة للعلاج (HTEs) أن تؤكد أن الآلية نشطة (تحت افتراضات صارمة)، لكن غياب هذه الآثار لا يمكن أن يؤكد أن الآلية غير نشطة.
• الحساسية للقياس: في المثال المحفز (الفساد والتصويت)، تظهر آثار غير متجانسة (HTEs) لـ "خيار التصويت" (الثنائي) عبر الخطوط الحزبية، رغم أن الحزبية لا تعدل آلية "النفور" الأساسية. هذا نتاج إحصائي لدالة العتبة (خيار التصويت = المنفعة > 0)، وليس دليلاً على آلية جديدة.
• مشكلات القدرة الإحصائية: في العينات المحدودة، غالباً ما يفتقر الباحثون إلى القدرة على اكتشاف الـ HTEs الحقيقية (السلبيات الكاذبة)، مما يجعل "غياب الـ HTEs" أقل موثوقية حتى في رصد الآليات.

4. المساهمات

1. الإطار النظري: يوفر أول رابط نظري صارم بين HTEs والآليات السببية، موضحاً أن HTEs تحدد الاختلافات في الآثار غير المباشرة، وليس الآثار نفسها.
2. شروط التحديد: يثبت أن افتراضات الاستبعاد (ضرورة عدم تعديل المتغيرات للقنوات الأخرى) ضرورية وكافية لربط HTEs بآليات محددة.
3. نقد القياس: يوضح أن الممارسات القياسية (استخدام النتائج الثنائية، مقاييس ليكرت، أو المتغيرات اللوغاريتمية) غالباً ما تنتهك الشروط المطلوبة لاختبارات الآلية القائمة على HTEs، مما يؤدي إلى أخطاء من النوع الأول (إيجابيات كاذبة).
4. التوجيه العملي: يقدم خارطة طريق للباحثين لتحسين كشف الآليات، بما في ذلك:
   • إعطاء الأولوية للنتائج الكامنة/المستمرة على النتائج المحولة/الثنائية لاختبار الآليات.
   • التصريح بوضوح عن افتراضات الاستبعاد والدفاع عنها.
   • استخدام عدة متغيرات مرشحة لـ MDV لتثليث النتائج.
   • النظر في النهج القائم على النماذج (مثل نماذج المنفعة العشوائية) لاستعادة المنفعة الكامنة من بيانات الاختيار.

5. الأهمية

تتحدى هذه الورقة بشكل جوهري ممارسة مهيمنة في العلوم السياسية والاجتماعية. فهي تكشف أن غالبية الدراسات الكمية التي تدعي تحديد الآليات عبر HTEs ترتكب على الأرجح استدلالات غير صحيحة بسبب افتراضات الاستبعاد غير المختبرة وتحويلات النتيجة غير المناسبة.

من خلال التمييز بين تفعيل الآلية والآثار الناتجة عن القياس، يقدم المؤلفون عدسة تصحيحية للمجال. ويجادلون بأنه بينما تُعد HTEs قوية لاستهداف السياسات والاستقراء، فإن استخدامها لـ كشف الآليات يتطلب تبريراً نظرياً أكثر صرامة واستراتيجيات قياس أكثر دقة مما هو ممارس حالياً. وتشير الورقة إلى أنه بدون هذه التصحيحات، يخاطر الباحثون بنسب الآثار إلى آليات ليست سوى نواتج إحصائية عرضية لعمليات قياس غير خطية.