📊 statistics

Combining BART and Principal Stratification to estimate the effect of intermediate variables on primary outcomes with application to estimating the effect of family planning on employment in Nigeria and Senegal

تقترح هذه الورقة وتتحقق من صحة منهجية جديدة مكونة من خطوتين تجمع بين أشجار الانحدار الإضافية البايزية (BART) والتقسيم الطبقي الرئيسي لتقدير وتعميم الأثر السببي لاستخدام وسائل منع الحمل الحديثة على مخرجات التمكين، مع توضيح تطبيقها على بيانات التوظيف بين النساء في المناطق الحضرية في نيجيريا والسنغال.

المؤلفون الأصليون: Lucas Godoy Garraza, Ilene Speizer, Leontine Alkema

نُشر 2026-03-31

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Lucas Godoy Garraza, Ilene Speizer, Leontine Alkema

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

الصورة الكبيرة: وصفة لإجابات أفضل

تخيل أنك طاهٍ يحاول اكتشاف ما إذا كان هناك توابل سرية جديدة (لنسمّها "تنظيم الأسرة") تجعل زبائنك (النساء) أكثر عرضة للحصول على وظيفة (العمل).

لديك مشكلة: لا يمكنك إجبار نصف زبائنك على تناول التوابل والنصف الآخر على عدم تناولها، لأن ذلك غير أخلاقي ومستحيل. بدلاً من ذلك، لديك "مروج" (برنامج إذاعي أو برنامج مجتمعي) يشجع بعض الناس على تجربة التوابل.

يحاول الباحثون في هذه الورقة الإجابة على سؤالين صعبين:

سؤال "مَن": هل ساعدت التوابل بالفعل الأشخاص الذين استمعوا للمروج وجربوها؟ (وهل هؤلاء الأشخاص مختلفون عن البقية؟)
سؤال "أين": إذا نجحت التوابل لهذه المجموعة المحددة، فهل ستنجح أيضاً مع جميع النساء في البلاد، بما في ذلك اللواتي لم يسمعن البرنامج الإذاعي؟

ولحل ذلك، ابتكروا طريقة طبخ جديدة تسمى "Prince BART Generalized". دعونا نفككها.

الجزء الأول: مشكلة "الممتثل" (مَن استمع حقاً؟)

في العالم الحقيقي، لا يستمع الجميع إلى البرنامج الإذاعي.

"الممتثلون" (Compliers): النساء اللواتي لم يستخدمن وسائل منع الحمل قبل البرنامج، واستمعن للبرنامج، ثم بدأن في استخدامها.
"غير الممتثلين أبداً" (Never-takers): النساء اللواتي سمعن البرنامج ولكن قلن: "لا شكراً"، ولم يستخدمنها.
"الممتثلون دائماً" (Always-takers): النساء اللواتي كن سيستخدمنها في كل الأحوال، بغض النظر عن البرنامج.

الفخ: إذا قمت فقط بمقارنة "المستخدمات" مقابل "غير المستخدمات"، فستحصل على نتيجة مشوشة. لماذا؟ لأن النساء اللواتي يخترن استخدام وسائل منع الحمل قد يكنّ بالفعل أكثر طموحاً، أو تعليماً، أو تحفيزاً من غيرهن. الأمر يشبه مقارنة العدائين في الماراثون بالأشخاص الخاملين لمعرفة ما إذا كانت أحذية الجري تجعلهم أسرع. الأحذية قد تساعد، لكن العدائين كانوا رياضيين بالفعل!

الحل (التصنيف الرئيسي - Principal Stratification):
قرر الباحثون التركيز فقط على "الممتثلين" — أي الأشخاص الذين تغير سلوكهم بسبب البرنامج. لقد عاملوا البرنامج الإذاعي كـ "دفعة" (أداة) وليس كالعلاج نفسه.

الأداة (BART):
لمعرفة من هم هؤلاء الممتثلون وكيف أثرت التوابل عليهم، استخدموا خوارزمية حاسوبية متطورة تسمى BART (أشجار الانحدار الإضافية البايزية).

تشبيه: تخيل أنك تحاول التنبؤ بالطقس. النموذج الخطي البسيط يشبه قولك: "إذا ارتفعت الحرارة 10 درجات، فستُمطر". هذا بسيط للغاية.
BART يشبه فريقاً من 200 خبير أرصاد جوية مختلف، ينظر كل منهم إلى جزء صغير ومحدد من السماء (السحب، الرياح، الرطوبة، الضغط الجوي) ويقدم تخميناً صغيراً. ثم يدمجون كل تخميناتهم الصغيرة لتقديم تنبؤ واحد دقيق للغاية.
في هذه الورقة، تبحث أداة BART في مئات التفاصيل (العمر، التعليم، الثروة، الدين، الوظائف السابقة) لمعرفة بالضبط أي النساء هن "الممتثلات" ومدى مساعدة التوابل لهن.

النتيجة: وجدوا أنه بالنسبة للنساء اللواتي تم دفعهن لاستخدام وسائل منع الحمل، زادت فرص حصولهن على وظائف بشكل كبير.

الجزء الثاني: مشكلة "التعميم" (هل ينجح الأمر مع الجميع؟)

هنا تبرز العقبة الثانية. "الممتثلون" في الدراسة قد يكونون مختلفين تماماً عن متوسط النساء في البلاد بأكملها.

تشبيه: تخيل أنك تختبر سماداً جديداً على بقعة صغيرة من التربة في دفيئة زجاجية. تنمو النباتات ضخمة! ولكن هل سينجح هذا السماد في التربة الجافة والصخرية للصحراء بأكملها؟ ربما لا. "الممتثلون" في الدراسة قد يكونون أكثر تعليماً أو يعيشون في المدن، بينما "المجتمع المستهدف" يشمل نساء ريفيات يواجهن تحديات مختلفة.

الحل (البوتستراب البايزي - The Bayesian Bootstrap):
أراد الباحثون أخذ نتائجهم من "الدفيئة" (مدن الدراسة) وتطبيقها على "الصحراء" (البلد بأكمله).

استخدموا مسحاً وطنياً ضخماً (DHS) يحتوي على بيانات عن الجميع في البلاد.
استخدموا خدعة إحصائية تسمى "البوتستراب البايزي".
تشبيه: تخيل أن لديك كيساً من الكرات الزجاجية التي تمثل النساء في الدراسة. تريد معرفة كيف يبدو كيس الكرات هذا بالنسبة للبلد بأكمله. تأخذ حفنة من الكرات من المسح الوطني، تنظر إلى ألوانها (الخصائص مثل العمر والتعليم)، ثم تقوم بـ "إعادة أخذ العينات" آلاف المرات لإنشاء خريطة مثالية ومرنة لمجتمع البلاد بأكمله.
ثم "سكبوا" نتائجهم المحددة حول "الممتثلين" على هذه الخريطة الجديدة. وسألوا: "إذا طبقنا التوابل الخاصة بنا على هذا المزيج المحدد من الناس في البلد بأكمله، فماذا سيحدث؟"

النتيجة:

في نيجيريا: كان التأثير أقوى عند تطبيقه على البلاد بأكملها مما كان عليه في مجموعة الدراسة. وذلك لأن مجموعة الدراسة كانت تضم الكثير من النساء اللواتي يعانين بالفعل من صعوبة في إيجاد وظائف، لكن السكان الأوسع يشمل العديد من النساء اللواتي كنّتنتظران فقط الفرصة المناسبة (وسيلة منع الحمل) للبدء في العمل.
في السنغال: كان التأثير مشابهاً في كلتا المجموعتين. فالسكان أكثر تجانساً، لذا ترجمت نتائج الدراسة بشكل جيد.

الجزء الثالث: اختبارات "ماذا لو؟" (المتانة)

أدرك الباحثون أنهم يضعون بعض الافتراضات الكبيرة. لذا، لعبوا دور "محامي الشيطان".

تشبيه: تساءلوا: "ماذا لو كان هناك مكون سري لم نقسه؟ ماذا لو كانت المدن التي أقيم فيها البرنامج أفضل طبيعياً في خلق الوظائف، بغض النظر عن التوابل؟"
أجروا عمليات محاكاة لمعرفة مقدار "المكون السري" الذي سيكون مطلوباً لجعل نتائجهم تختفي.
الحكم: وجدوا أنه لكي تكون نتائجهم خاطئة، يجب أن يكون هناك قوة خفية هائلة (مثل عامل تحفيز قوي جداً على مستوى المدينة) فاتهم تماماً. وبما أن هذا يبدو غير مرجح، فإنهم واثقون من أن نتائجهم حقيقية.

الخلاية

هذه الورقة هي درس متقدم في الاستدلال السببي. فهي توضح أن:

تنظيم الأسرة يعمل: عندما تكتسب النساء السيطرة على خصوبتهن، يصبحن أكثر عرضة بكثير لدخول القوى العاملة.
الأمر لا يتعلق بالبرنامج فحسب: النساء اللواتي انضممن إلى البرنامج كنّ مجموعة محددة، لكن فوائد وسائل منع الحمل قد تكون أكبر عند تطبيقها على عامة النساء في نيجيريا والسنغال.
نحن بحاجة إلى أدوات جديدة: الرياضيات القديمة والبسيطة (المعادلات الخطية) لم تكن جيدة بما يكفي للتعامل مع تعقيد السلوك البشري. من خلال استخدام "غابة من الأشجار" (BART) و"خرائط إعادة أخذ العينات" (البوتستراب البايزي)، استطاع الباحثون رؤية الحقيقة التي كانت الطرق الأبسط ستفقدها.

باختصار: منح النساء القدرة على تنظيم أسرهم هو محرك اقتصادي قوي، وهذه الورقة توفر طريقة متطورة وموثوقة لإثبات ذلك.

إليك ملخص تقني مفصل للورقة البحثية بعنوان: "الجمع بين نموذج BART والتقسيم الطبقي الرئيسي لتقدير أثر المتغيرات الوسيطة على النتائج الأولية مع التطبيق على تقدير أثر تنظيم الأسرة على التوظيف في نيجيريا والسنغال."

1. بيان المشكلة

تتناول الورقة تحديين مترابطين في الاستدلال السببي:

الصلاحية الداخلية (تقدير أثر الممتثلين): في الدراسات الرصدية حيث لا يكون العلاج (استخدام وسائل منع الحمل الحديثة) عشوائياً، ولكن يعمل "التشجيع" (برامج تنظيم الأسرة) كمتغير أداة (Instrumental Variable - IV)، يهدف الباحثون إلى تقدير الأثر السببي للعلاج على نتيجة ما (التوظيف). تعتمد مقدرات المتغيرات الأداة القياسية (مثل طريقة المربعات الصغرى ذات المرحلتين - 2SLS) غالباً على افتراضات خطية تفشل في استيعاب العلاقات غير الخطية المعقدة وتباين الأثر. علاوة على ذلك، فإن الأثر يكون قابلاً للتحديد فقط لـ "الممتثلين" (compliers) — وهم الأفراد الذين تتغير حالتهم العلاجية نتيجة للمتغير الأداة.
الصلاحية الخارجية (التعميم): إن الفئة الفرعية من "الممتثلين" التي تم تحديدها في دراسة معينة (على سبيل المثال، مدن محددة في نيجيريا/السنغال) تختلف بشكل منهجي عن المجتمع المستهدف الأوسع (على سبيل المثال، جميع النساء في المناطق الحضرية في البلاد). هذه الاختلافات في توزيع المتغيرات المصاحبة (معدلات الأثر) تعني أن "أثر المتوسط المحلي للعلاج" (LATE) الذي تم تقديره في عينة الدراسة قد لا يساوي "أثر متوسط المجتمع" (PATE) في المجتمع المستهدف.

يقترح المؤلفون إطاراً موحداً لتقدير "متوسط الآثار العلاجية الشرطية" (CATEs) الخاصة بالممتثلين بمرونة، ومن ثم تعميم هذه النتيات على مجتمع مستهدف أوسع باستخدام بيانات مسحية خارجية، مع مراعاة عدم اليقين وتصاميم المعاينة المعقدة بدقة.

2. المنهجية: نهج "Prince BART Generalized" (PBG)

يقترح المؤلفون نهجاً بايزياً غير معلمي مكون من خطوتين:

الخطوة 1: الصلاحية الداخلية (تقدير الـ CATEs في عينة المصدر)

الإطار: يستخدم المؤلفون "التقسيم الطبقي الرئيسي" (Principal Stratification - PS) لتحديد الطبقات الكامنة (الممتثلون، غير المستجيبين أبداً، المستجيبون دائماً، والمعارضون). الهدف هو تقدير الـ CATE للممتثلين: $CATE_c(x) = E[Y(1) - Y(0) | X=x, G=c]$ .
النمذجة: بدلاً من الانحدار اللوجستي المعلمي، يستخدمون "الأشجار الإضافية لـ BART" (Bayesian Additive Regression Trees).
- نموذج الخليط: يستخدمون نموذج خليط بايزي حيث تكون عضوية الطبقة الكامنة ( $G^*$ ) غير ملاحظة لبعض الوحدات.
- تنفيذ BART: يُستخدم BART لنمذجة:
  1. احتمالية كون الفرد ممتثلاً بناءً على المتغيرات ( $P(G^*=c|X)$ ).
  2. احتمالية النتيجة بناءً على الطبقة، والأداة، والمتغيرات ( $P(Y|G^*, Z, X)$ ).
- تعزيز البيانات (Data Augmentation): تعمل خوارزمية ماركوف تشين مونت كارلو (MCMC) على التكرار بين استكمال عضوية الطبقة الكامنة وتحديث نماذج BART.
- تعديل درجة الميل (Propensity Score Adjustment): لمنع الارتباك الناتج عن التنظيم (regularization-induced confounding)، يتم إدراج درجة ميل الأداة المقدرة ( $\hat{e}(X)$ ) كمتغير في نماذج BART.
- فرض التداخل (Overlap Enforcement): يتم استبعاد الملاحظات ذات درجات الميل المتطرفة (خارج النطاق [0.1, 0.9]) لضمان التداخل العملي.

الخطوة 2: الصلاحية الخارجية (التعميم على المجتمع المستهدف)

الهدف: تقدير الـ PATE عن طريق حساب متوسط الـ CATEs المقدرة عبر توزيع المتغيرات للمجتمع المستهدف ( $P_{target}(X)$ ).
مصدر البيانات: يتم اشتقاق توزيع متغيرات المجتمع المستهدف من بيانات مسحية ضخمة ومعقدة (المسوح الديموغرافية والصحية - DHS)، والتي تستخدم معاينة عنقودية ذات مرحلتين ومقسمة طبقياً.
البوتستراب البايزي المقياس (Scaled Bayesian Bootstrap - BB):
- يفترض البوتستراب البايزي القياسي أن البيانات مستقلة ومتماثلة التوزيع (i.i.d.)، وهو أمر غير صالح لتصاميم المسح المعقدة.
- يقترح المؤلفون "بوتستراب بايزي مقياس" مصمم خصيصاً للتعامل مع تصميم المعاينة المعقد (التقسيم الطبقي، العنقودية، والأوزان) من خلال إعادة أخذ عينات من وحدات المعاينة الأولية (PSUs) بأوزان تتناسب مع حجمها وأوزان المسح.
- هذا يولد سحبات خلفية لتوزيع المتغيرات $P_{target}(X)$ .
التعميم: لكل سحبة خلفية لدالة الـ CATE وتوزيع المتغيرات المستهدف، يتم حساب الـ PATE كالتالي:
$PATE = \int CATE_c(x) dP_{target}(x)$
المتغيرات المفقودة: بالنسبة للمتغيرات الموجودة في دراسة المصدر (MLE) والمفقودة في المسح المستهدف (DHS) (مثل مواقف معينة تجاه تنظيم الأسرة)، يستخدم المؤلفون استراتيجية استكمال متعدد مبنية على BART للتنبؤ بهذه القيم في المجتمع المستهدف بناءً على المتغيرات المرصودة.

3. المساهمات الرئيسية

دمج BART والتقسيم الطبقي الرئيسي: طوعت الورقة نهج "Prince BART" (الذي استُخدم سابقاً في حالات التوقف بسبب الوفاة) لتناسب سياقات المتغيرات الأداة. يسمح هذا بتقدير مرن وغير معلمي للآثار العلاجية المتباينة دون الاعتماد على أشكال وظيفية خطية مقيدة.
التعميم باستخدام بيانات المسح المعقدة: طور المؤلفون "بوتستراب بايزي مقياس" مصمماً خصيصاً للتعامل مع تصميم المعاينة المعقد (التقسيم، العنقودية، والوزن) للمسوحات الوطنية مثل DHS. وهذا يسمح بتقدير كمي دقيق لعدم اليقين عند نقل النتائج من عينة الدراسة إلى السكان الوطنيين.
إطار المتانة (Robustness Framework): توفر الورقة مجموعة شاملة من تحليلات الحساسية:
- الداخلية: الحساسية تجاه الارتباك غير الملاحظ على مستوى المدينة (باستخدام معامل حساسية مُعاير).
- الخارجية: الحساسية تجاه انتهاكات "الدعم المشمول" (نقص التداخل في فضاء المتغيرات) و"قابلية النقل الشرطية" (المعدلات غير الملاحظة للأثر).
القابلية للتفسير: استخدام "الأشجار الضحلة البديلة" لتلخيص مخرجات BART المعقدة، مما يحدد المجموعات الفرعية ذات الآثار العلاجية المتميزة.

4. النتائج

الدراسة المحاكية

قارن المؤلفون بين Prince BART وكل من 2SLS، و $\kappa$ -weighting، والتقسيم الطبقي المعلمي (PStrata) عبر أربع عمليات توليد بيانات (DGPs) ذات درجات متفاوتة من عدم الخطية وتباين الأثر.
النتائج:
- في الإعدادات الخطية البسيطة، أدت جميع الطرق أداءً متشابهاً.
- في الإعدادات المعقدة ذات عدم الخطية والتباين (التصميمين C و D)، تفوق Prince BART و $\kappa$ -weighting بشكل كبير على 2SLS و PStrata من حيث متوسط مربع الخطأ (MSE) واحتمالية التغطية.
- حافظ Prince BART على مستويات تغطية اسمية (95%) حتى عندما عانى 2SLS و PStrata من نقص حاد في التغطية بسبب خطأ في توصيف النموذج.

التطبيق التجريبي: نيجيريا والسنغال

السياق: تقدير أثر استخدام وسائل منع الحمل الحديثة على التوظيف بين النساء في المناطق الحضرية باستخدام بيانات MLE (المصدر) و DHS (المستهدف).
آثار الممتثلين (عينة المصدر):
- نيجيريا: قدر Prince BART أثراً إيجابياً قدره 0.37 (الانحراف المعياري 0.13) على التوظيف للممتثلين.
- السنغال: قدر Prince BART أثراً إيجبياً قدره 0.47 (الانحراف المعياري 0.16).
- ملاحظة: أنتجت طرق 2SLS و $\kappa$ -weighting القياسية تقديرات خارج النطاق المنطقي للاحتمالات (مثلاً >1) في السنغال، مما يسلط الض الضوء على عدم استقرار مقدرات النسبة في هذا السياق.
التباين (Heterogeneity): وُجد تباين معتبر. في نيجيريا، كانت أكبر الآثار بين النساء المتزوجات اللواتي لديهن تعليم ابتدائي أو أقل ممن عملن سابقاً. أما أصغر الآثار (أو السلبية) فكانت بين النساء غير المتزوجات والأكثر ثراءً اللواتي لم يعملن سابقاً.
الآثار المعممة (المجتمع المستهدف):
- نيجيريا: قُدر الـ PATE بـ 0.50–0.53، وهو أعلى بشكل ملحوظ من LATE الخاص بعينة المصدر (0.37). ويرجع ذلك إلى أن المجتمع المستهدف يحتوي على نسبة أعلى من المجموعات الفرعية (مثل المتزوجات، ذوات التعليم المنخفض) اللواتي يستفدن أكثر من منع الحمل.
- السنغال: كان الـ PATE (0.48) مشابهاً لـ LATE (0.47) في المصدر، مما يعكس بنية سكانية أكثر تجانساً.
المتانة: أشارت الحساسية تجاه الارتباك غير الملاحظ على مستوى المدينة إلى أن المربكات ستحتاج لأن تكون أقوى بعدة مرات من التباين المتبقي الملحوظ لإبطال النتائج. كما أظهرت الحساسية تجاه نقص الدعم (التعميم إلى النساء في المناطق الريفية) أنه حتى بافتراض صفر أثر للمجموعات غير الممثلة، ظل الـ PATE إيجابياً وجوهرياً.

5. الأهمية

الأهمية السياساتية: توفر الدراسة أدلة قوية على أن استخدام وسائل منع الحمل الحديثة يزيد بشكل كبير من توظيف النساء في نيجيريا والسنغال. والأهم من ذلك، أنها تثبت أن الفوائد من المرجح أن تكون أكبر في السكان العامين مقارنة بالعينة الدراسية المحددة بسبب التركيبة الديموغرافية للسكان الأوسع.
التقدم المنهجي: تقدم الورقة مجموعة أدوات عملية ومرنة للباحثين الذين يتعاملون مع:
- معالجة غير عشوائية للعلاجات مع وجود متغيرات أداة.
- آثار علاجية متباينة للغاية.
- الحاجة إلى تعميم النتائج من عينات انتقائية إلى سكان وطنيين باستخدام بيانات مسحية معقدة.
معالجة قيود الـ IV: من خلال الابتعاد عن الافتراضات الخطية للـ IV، يتجنب هذا النهج عيوب "مقدر النسبة" (التقديرات غير المحدودة، والتباين العالي) الشائعة في طرق الـ IV التقليدية، مما يوفر تقديرات سببية أكثر موثوقية وقابلية للتفسير لصنع السياسات.

في الختام، تنجح الورقة في إثبات أن الجمع بين الانحدار غير المعلمي البايزي (BART) والتقسيم الطبقي الرئيسي، مع بوتستراب بايزي معدل للمسوحات المعقدة، يوفر إطاراً قوياً ومتيناً لتقدير وتعميم الآثار السببية في سياقات الصحة العامة والعلوم الاجتماعية الواقعية.