📊 statistics

Post-treatment problems: What can we say about the effect of a treatment among sub-groups who (would) respond in some way?

تقترح الورقة إطار عمل جديداً يسمى "متوسط الأثر السببي التفاعلي مع العلاج" (TRACE) لتحديد وتقدير الأثر السببي لعلاج ما على مجموعات فرعية محددة بناءً على استجاباتها المحتملة لما بعد العلاج، وذلك لتجنب الانحيازات والافتراضات غير المبررة المرتبطة بالاشتراط على متغيرات مرصودة لما بعد العلاج.

المؤلفون الأصليون: Chad Hazlett, Nina McMurry, Tanvi Shinkre

نُشر 2026-04-28

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Chad Hazlett, Nina McMurry, Tanvi Shinkre

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

المشكلة: معضلة "الكعكة نصف المخبوزة"

تخيل أنك خباز تختبر وصفة جديدة لكعكة الشوكولاتة. تعطي الوصفة الجديدة لمجموعة من الناس (مجموعة العلاج) والوصفة القديمة لمجموعة أخرى (المجموعة الضابطة).

بعد الخبز، تلاحظ أن الكعكة الجديدة طعمها... مقبول. ليس رائعاً، لكنه ليس سيئاً أيضاً. تتساءل: "هل كانت الوصفة سيئة حقاً، أم أن بعض الناس نسوا فقط إضافة مسحوق الكاكاو؟"

إذا نظرت فقط إلى الأشخاص الذين أضافوا الكاكو بالفعل ("المنفذين")، فستقع في فخ علمي. فربما كان الأشخاص الذين نسوا الكاكو هم أيضاً أولئك الذين لم يسخنوا أفرانهم مسبقاً. إذا درست فقط "الخبازين الجيدين"، فقد تستنتج بالخطأ أن الوصفة سحرية، بينما في الحقيقة، أنت قد تجاهلت جميع الأشخاص الذين أخطأوا في العملية. وهذا ما يسمى بـ "تحيز ما بعد المعالجة" (Post-Treatment Bias).

في العالم الحقيقي، يحدث هذا في السياسة، والعمل الشرطي، والطب. إذا بدأت حكومة برنامجاً مجتمعياً جديداً، ولكن نصف المدن لم تتبع التعليمات فعلياً، فإن دراسة قياسية ستقول: "البرنامج لم ينجح". لكن هذا قد يكون كذبة! فالبرنامج قد يكون رائعاً—لكنه ببساطة لم يُنفذ فعلياً في معظم الأماكن.

الحل: طريقة TRACE

يقترح مؤلفو هذه الورقة طريقة جديدة لقياس النجاح تسمى TRACE (متوسط التأثير السببي التفاعلي للعلاج).

بدلاً من السؤال: "هل نجح البرنامج في المتوسط؟" (والذي يشمل جميع الأشخاص الذين أخطأوا في التنفيذ)، تسأل طريقة TRACE: "لو استطعنا العودة بالزمن والتأكد من أن كل من كان من المفترض أن يتبع التعليمات قد اتبعها بالفعل، فماذا سيكون التأثير؟"

فكر في الأمر كأنه محاكي لـ "ماذا لو".

كيف تعمل (تشبيه "الغرفتين")

تخيل غرفتين.

الغرفة أ هي "غرفة النجاح" (الأشخاص الذين قد يتفاعلون مع العلاج).
الغرفة ب هي "غرفة عدم التفاعل" (الأشخاص الذين لن يتغيروا حتى لو تلقوا العلاج).

يعرف الباحثون المتوسط الإجمالي ("النية في العلاج" - Intent-to-Treat). كما يعرفون أيضاً عدد الأشخاص الذين انتهى بهم المطاف في غرفة النجاح. الشيء الوحيد الذي لا يعرفونه هو بالضبط ما حدث في غرفة عدم التفاعل.

وبما أنهم لا يستطيعون رؤية المستقبل، فإنهم يستخدمون "الاستدلال المحدود" (Bounded Inference). هذا يشبه قول: "أنا لا أعرف بالضبط مقدار التغيير في مجموعة عدم التفاعل، لكنني متأكد بنسبة 99% أنهم لم يتغيروا بأكثر من 5%. بناءً على ذلك، يجب أن يكون التأثير الحقيقي للعلاج يتراوح بين س و ص."

أمثلة من الواقع من الورقة البحثية

لإثبات نجاح هذه الطريقة، طبقها المؤلفون على ثلاث سيناريوهات مختلفة تماماً:

1. التوقيف الشرطي (الشرط الضروري)
إذا كنت تريد دراسة ما إذا كان إدراك ضابط الشرطة للعرق يؤدي إلى العنف، فلديك مشكلة: العنف لا يمكن أن يحدث إلا أثناء التوقيف المروري. فإذا لم يحدث توقيف، فلا يوجد عنف.

نهج TRACE يسمح للباحثين بالقول: "بما أن العنف مستحيل إذا لم يحدث توقيف، يمكننا رياضياً 'التركيز' على التأثير تحديداً أثناء عمليات التوقيف، مما يعطينا صورة أوضح بكثير للتحيز العرقي."

2. دراسة العمل الشرطي في ليبيريا (فجوة التنفيذ)
أُطلق برنامج في ليبيريا للحد من عنف الغوغاء. وفي المتوسط، بدا وكأنه لم يفعل شيئاً.

أظهرت طريقة TRACE أنه في المجتمعات التي تم فيها تنفيذ البرنامج فعلياً (حيث شكل الناس مجموعات أمنية)، انخفض العنف بشكل كبير! لم يكن "فشل" البرنامج بسبب سوء الفكرة، بل لأن التنفيذ كان متقطعاً.

3. دراسة حقوق المتحولين جنسياً (الآلية)
أراد الباحثون معرفة ما إذا كان محادثة لمدة 10 دقائق يمكن أن تغير الدعم لحقوق المتحولين جنسياً. لاحظوا أن المحادثة كانت تعمل بشكل أفضل مع الأشخاص الذين لديهم بالفعل شعور بـ "الدفء" تجاه هذا الموضوع.

ساعدت طريقة TRACE الباحثين في حساب التأثير خصيصاً لأولئك الأشخاص "التفاعليين"، مما ساعدهم في فهم الآلية التي يغير بها التعاطف دعم السياسات.

الخلاصة

طريقة TRace هي بمثابة عدسة مكبرة للباحثين.

بدلاً من النظر إلى مزيج ضبابي ومتوسط من "الأشخاص الذين حاولوا" و"الأشخاص الذين لم يحاولوا"، فهي تسمتح للعلماء بالقول: "دعونا ننظر إلى الأشخاص الذين تفاعلوا بالفعل مع العلاج. حتى لو لم نكن متأكدين بنسبة 100% من الرقم الدقيق، يمكننا أن نعطيكم نطاقاً موثوقاً للغاية حول مدى فعالية هذا الأمر عندما يتم تنفيذه بشكل صحيح."

ملخص تقني: مشكلات ما بعد المعالجة: ماذا يمكننا أن نقول عن تأثير المعالجة بين المجموعات الفرعية التي (قد) تستجيب بطريقة ما؟

1. المشكلة: انحياز ما بعد المعالجة واهتمام المجموعات الفرعية

في العديد من التجارب البحثية، لا يهتم الباحثون بالأثر المتوسط عبر المجتمع بأكر (نية العلاج - Intent-to-Treat)، بل يهتمون بالأثر ضمن مجموعة فرعية محددة. غالبًا ما تُعرَّف هذه المجموعة الفرعية من خلال متغير ما بعد المعالجة ( $M$ )—وهو متغير يتأثر بالمعالجة ( $D$ ) ويؤثر لاحقًا على النتيجة ( $Y$ ). تشمل الأمثلة على ذلك:

التنفيذ/الامتثال: الأثر بين أولئك الذين قاموا بالفعل بتنفيذ برنامج أو امتثلوا لبروتوكول ما.
الآليات: الأثر بين أولئك الذين أظهروا استجابة نفسية أو سلوكية معينة (مثل زيادة الدفء تجاه مجموعة ما).
الشروط الضرورية: الأثر بالنسبة لأولئك الذين وقع لهم حدث معين (مثل توقيف من قبل الشرطة)، والذي يعد شرطًا مسبقًا للنتيجة (مثل العنف أثناء التوقيف).

التحدي الجوهري: إن مجرد الاشتراط على القيمة المرصودة لـ $M$ (على سبيل المثال، مقارنة الوحدات المعالجة مقابل غير المعالجة حيث $M=1$ ) يؤدي إلى مشكلتين رئيسيتين:

انحياز الاختيار/انحياز المجمع (Collider Bias): بما أن $M$ نتيجة لكل من $D والمؤثرات غير المرصودة ($ U $) المحتملة، فإن الاشتراط على$ M $يخلق ارتباطًا غير سببي بين$ D $و$ U$، مما يؤدي إلى انحياز التقدير.
فشل التحديد (Identification Failure): في التجارب العشوائية، لا يمكننا ملاحظة الحالة المقابلة (Counterfactual) لـ $M$ للمجموعة الضابطة. نحن لا نعرف أي وحدات من المجموعة الضابطة كانت ستستجيب للمعالجة لو تلقتها.

2. المنهجية: مقياس TRACE

يقترح المؤلفون مقياسًا جديدًا: متوسط الأثر السببي التفاعلي للمعالجة (TRACE).

التعريف:
إن TRACE هو الأثر الإجمالي للمعالجة على النتيجة للمجموعة الفرعية التي، إذا عولجت، ستحقق قيمة معينة لمتغير ما بعد المعالجة ( $M=1$ ).
$\text{TRACE} \equiv E[Y_i(1) - Y_i(0) \mid M_i(1) = 1]$

استراتيجية التحديد:
يقر البحث بأن TRACE غير محدد نقطيًا بشكل عام بسبب عدم ملاحظة $M(0)$ للمجموعة المعالجة و $M(1)$ للمجموعة الضابطة. ولذلك يقترح المؤلفون نهج تحديد من خطوتين:

الخطوة 1: حدود التقليم بدون افتراضات (No-Assumption Trimming Bounds): باستخدام خصائص العشوائية فقط، يستنتج المؤلفون "حدودًا حادة". يتم تحديد الحدود العليا والدنيا من خلال أكثر توزيعات نتائج المجموعة الضابطة تطرفًا.
الخطوة 2: الاستفادة من الافتراضات حول $\text{TRACE}(0)$ : لتضييق هذه الحدود، يسمح المؤلفون للباحثين بوضع افتراضات نوعية يمكن الدفاع عنها حول $\text{TRACE}(0)$ $TRACE (0)$ —أي الأثر بين أولئك الذين لن يستجيبوا للمعالجة ( $M(1)=0$ $M (1) = 0$ ). وتشمل الافتراضات الشائعة ما يلي:
- $\text{TRACE}(0) = 0$ (المعالجة ليس لها أثر إذا لم يتم تفعيل الآلية).
- $|\text{TRACE}(0)| < |\text{TRACE}|$ (الأثر أصغر في المجموعة غير التفاعلية).
- $\text{TRACE}(0)$ له إشارة معاكسة لإشارة $\text{TRACE}$ (على سبيل المثال، تأثير "رد الفعل العكسي").

من خلال الربط الجبري بين $\text{TRACE}$ و $\text{TRACE}(0)$ عبر قانون التوقعات المتكررة، فإن أي حد منطقي حول أثر المجموعة غير التفاعلية يترجم إلى حد أكثر دقة وإفادة لـ $\text{TRACE}$ .

3. المساهمات الرئيسية

مقياس جديد: يميز TRACE عن الكميات الموجودة مثل LATE (الذي يتطلب شرط الاستبعاد)، وSACE (الذي يركز على المستجيبين الدائمين)، وCDE (الذي يركز على الآثار المباشرة).
تخفيف شرط الاستبعاد: على عكس مناهج المتغيرات الأداة (IV)، يستهدف TRACE الأثر الإجمالي، مما يعني أنه يتضمن صراحةً "الأثر المباشر" للمعالجة الذي قد يتجاوز الوسيط.
التحديد الجزئي المنهجي: يوفر إطارًا لـ "الاستدلال المحدود" الذي يتجاوز الثنائية بين "قابل للتحديد" و"غير قابل للتحديد". فهو يسمح للباحثين بأن يكونوا شفافين بشأن مقدار ما يجب أن يؤمنوا به بشأن المجموعة غير التفاعلية لدعم استنتاج معين حول المجموعة التفاعلية.

4. النتائج والتطبيقات

يستعرض المؤلفون فائدة TRACE من خلال ثلاث حالات متنوعة:

عنف الشرطة: في دراسات حول إدراك العرق من قبل الشرطة، لا يمكن وقوع العنف إلا إذا حدث التوقيف ( $M=1$ ). ومن خلال افتراض أن $\text{TRACE}(0)=0$ (لا يوجد عنف إذا لم يحدث التوقيف)، يوضح المؤلفون أن أثر إدراك العرق على العنف يمكن تحديده نقطيًا، مما يحل مشكلة طويلة الأمد في انحياز البيانات الإدارية.
الشرطة المجتمعية في ليبيريا: في تجربة كان فيها التنفيذ غير متساوٍ، كانت نتيجة نية العلاج (ITT) صفرية. ومع ذلك، من خلال افتراض أن التدخل يعمل فقط عند تنفيذه ( $\text{TRACE}(0)=0$ )، كشف TRACE عن انخفاض كبير في عنف الغوغاء بين المجتمعات "المنفذة".
الدفاع عن حقوق العابرين جنسيًا: من خلال إعادة تحليل تجربة ميدانية شهيرة، أظهر المؤلفون أنه بينما كان متوسط الأثر على دعم السياسات متواضعًا، كان الأثر بين الأفراد "التفاعليين" (أولئك الذين تحسنت مشاعرهم) أكبر بكثير، مما قدم صورة أوضح للآلية.

5. الأهمية

هذا البحث مهم للعلوم الاجتماعية وتقييم السياسات لأنه يوفر طريقة رياضية للتعامل مع المعالجات "الفاشلة" أو "المخففة". فبدلاً من التخلص من نتيجة صفرية باعتبارها فشلًا للتدخل، يمكن للباحثين استخدام TRACE لتحديد ما إذا كان التدخل فعالًا لأولئك الذين وصل إليهم بالفعل، مع توفير طريقة صارمة لاختبار ما إذا كانت النتيجة الصفرية ناتجة حقًا عن عدم وجود أثر أم أنها مجرد نقص في التنفيذ.