Two-stage Least Squares with Clustered Data under the Local Average Treatment Effect Framework

إليك ملخص تقني مفصل للورقة البحثية بعنوان "المربعات الصغرى ذات المرحلتين للبيانات المتكتلة" (Two-stage least squares with clustered data) من إعداد تشاو، ودينج، ولي.

1. بيان المشكلة

في الاقتصاد التجريبي، غالبًا ما تكون البيانات متكتلة (على سبيل المثال: طلاب داخل مدارس، أو أسر داخل قرى). عند تقدير الأثر السببي لعلاج داخلي (endogenous treatment) باستخدام المتغيرات الأداتية (Instrumental Variables - IV)، يستخدم الباحثون عادةً طريقة المربعات الصغرى ذات المرحلتين (2SLS).

• طريقة 2SLS التقليدية (Canonical 2SLS): تقوم بعمل انحدار للمخرجات على المعالجة باستخدام المتغير الأداتي، مع تجاهل هيكل التكتل في تقدير النقاط، ولكنها تستخدم الأخطاء المعيارية المتينة للتكتل (CRSE) للاستدلال.
• طريقة 2SLS مع التأثيرات الثابتة (2SFE): تتضمن مؤشرات التكتل (التأثيرات الثابتة) في الانحدار لمراعاة هيكل التكتل في كل من تقدير النقاط والاستدلال.

بينما يُفضل غالبًا استخدام 2SFE في الدراسات الرصدية للتحكم في التباين غير الملحوظ بين التكتلات، إلا أن تفسيرها السببي وخصائص كفاءتها مقارنة بطريقة 2SLS التقليدية لم يتم استكشافهما بعمق ضمن إطار أثر العلاج المحلي المتوسط (LATE). وتحديدًا، ليس من الواضح متى تكون 2SFE أكثر كفاءة من 2SLS التقليدية، وما إذا كانت 2SFE توفر مقدراً سببيًا صالحًا عندما تكون التكتلات متباينة.

2. المنهجية والإطار العملي

يحلل المؤلفون هذين المقدرين باستخدام إطار النتائج المحتملة (Imbens and Angrist, 1994) تحت فرضيتين متميزتين فيما يتعلق بتجانس التكتلات:

1. التكتلات المتجانسة (الفرضية 3): تشترك جميع الوحدات في توزيع هامشي مشترك.
2. التكتلات المتباينة (الفرضية 4): تشترك الوحدات داخل التكتل الواحد في توزيع معين، ولكن التوزيعات تختلف من تكتل إلى آخر.

تعريفات رئيسية:

• الـ 2SLS التقليدي ($\hat{\tau}_{2sls}$): هو $\text{2sls}(Y_i \sim 1 + D_i \mid 1 + Z_i)$.
• الـ 2SFE ($\hat{\tau}_{2sfe}$): هو $\text{2sls}(Y_i \sim D_i + C_i \mid Z_i + C_i)$، حيث تمثل $C_i$ مؤشرات التكتل.
• الافتراضات: تفترض الورقة شروط IV القياسية (شرط الاستبعاد، الصلة، الرتابة) المكيفة للبيانات المتكتلة، حيث يتم تعيين المتغير الأداتي عشوائيًا على مستوى التكتل (أو يكون مستقلاً داخل التكتلات).

3. المساهمات والنتائج الرئيسية

أ. الصلاحية والكفاءة في ظل التكتلات المتجانسة

عندما تكون التكتلات متجانسة (الفرضية 3)، يثبت المؤلفون ما يلي:

1. الصلاحية: كل من $\hat{\tau}_{2sls}$ و $\hat{\tau}_{2sfe}$ هما مقدران متسقان ولهما توزيع طبيعي تقاربي للمقدر العالمي لـ LATE ($\tau_c$). كما أن الأخطاء المعيارية المتينة للتكتل صالحة للاستدلال في كلتا الحالتين.
2. مقايضة الكفاءة: خلافًا للاعتقاد السائد بأن التأثيرات الثابتة تحسن الكفاءة دائمًا، تثبت الورقة أن 2SFE ليست أكثر كفاءة بشكل عالمي.
   • في نموذج IV الخطي، يعتمد معدل التباينات التقاربية على نسبة التباين على مستوى التكتل ($\sigma^2_\alpha$) إلى التباين العرضي ($\sigma^2_\epsilon$) والتباين داخل التكتل للمتغير الأداتي ($\kappa_N$).
   • شرط كفاءة 2SFE: تكون 2SFE أكثر كفاءة من الـ 2SLS التقليدية فقط إذا:
     1. هيمن التباين في التأثيرات الخاصة بالتكتل على التباين العرضي ($\sigma^2_\alpha$ كبيرة بالنسبة لـ $\sigma^2_\epsilon$).
     2. امتلك المتغير الأداتي (IV) تباينًا كافيًا داخل التكتل ($\kappa_N$ ليس صغيرًا جدًا).
   • إذا كانت تأثيرات التكتل ضئيلة ($\sigma^2_\alpha \approx 0$)، فإن 2SLS التقليدية تكون في الواقع أكثر كفاءة لأن 2SFE "تهدر" درجات الحرية عبر امتصاص التباين الذي كان يمكن استخدامه للتقدير.
3. ضبط المتغيرات المصاحبة:
   • يمكن لـ 2SLS التقليدية استيعاب المتغيرات المصاحبة على مستوى التكتل (مثل حجم القرية)، والتي يمكن أن تحسن الكفاءة إذا كانت هذه المتغيرات تفسر التباين بين التكتلات.
   • أما 2SFE فتمتص جميع التباينات على مستوى التكتل عبر التأثيرات الثابتة، مما يجعل المتغيرات المصاحبة على مستوى التكتل متداخلة (collinear) وغير قابلة للاستخدام. وبالتالي، إذا وجدت متغيرات مصاحبة معلوماتية على مستوى التكتل، فقد تكون 2SLS التقليدية هي الأفضل.

ب. التفسير السببي في ظل التكتلات المتباينة

عندما تكون التكتلات متباينة (الفرضية 4):

1. تفسير 2SFE: يقدر $\hat{\tau}_{2sfe}$ باستمرار متوسطًا مرجحًا لـ LATE الخاص بكل تكتل ($\sum \kappa_{g,2sfe} \tau_{c,g}$)، حيث تكون الأوزان غير سالبة ومجموعها يساوي واحدًا. وهذا يمثل كمية سببية محددة بدقة.
2. تفسير 2SLS التقليدي: لا يقدر $\hat{\tau}_{2sls}$ عمومًا متوسطًا مرجحًا لـ LATE. إذ يتضمن حده الاحتمالي (probability limit) حدود انحياز مرتبطة بالارتباط بين احتمالات المتغير الأداتي الخاص بالتكتل والنتائج الأساسية. وهو ليس "مستقلاً عن المستوى" (أي قد يكون غير صفري حتى لو كانت جميع قيم LATE الحقيقية صفرًا).
3. الاستنتاج: في الإعدادات ذات التكتلات المتباينة، توفر 2SFE مقدراً أكثر قابلية للتفسير ومتانة من 2SLS التقليدية.

ج. الاختبار المقترح لتباين التكتلات

لتوجيه الباحثين التجريبيين في الاختيار بين الطريقتين، يقترح المؤلفون اختبارًا من نوع هاوسمان (Hausman-type test):

• الإحصائية: $t_{diff} = (\hat{\tau}_{2sls} - \hat{\tau}_{2sfe}) / \hat{se}_{diff}$.
• المنطق: في ظل التكتلات المتجانسة، يستهدف كلا المقدرين نفس المعلمة (parameter)، لذا يجب أن يكون الفرق صفرًا. وفي ظل التكتلات المتباينة، يستهدفان معلمتين مختلفتين (أو تكون 2SLS منحازة)، مما يؤدي إلى فرق جوهري.
• التوزيع: يشتق المؤلفون التوزيع التقاربي المشترك لكلا المقدرين، موضحين أن $t_{diff} \xrightarrow{d} N(0,1)$ تحت فرضية التكتلات المتجانسة.

4. التطبيق التجريبي والمحاكاة

• المحاكاة: تحقق المؤلفون من نتائجهم النظرية من خلال عمليات المحاكاة.
  • في الإعدادات المتجانسة، تحقق كلتا الطريقتين تغطية صحيحة، لكن مكاسب الكفاءة تعتمد على نسبة التباين وتباين المتغير الأداتي.
  • في الإعدادات المتباينة، نجح الاختبار المقترح في رفض فرضية التجانس بدقة عالية مع زيادة التباين، بينما ظلت 2SFE غير منحازة وأصبحت 2SLS منحازة.
• التطبيق: تم تطبيق الطرق على تقييم برنامج للتمويل الأصغر في المغرب.
  • فشل اختبار التباين في رفض فرضية التجانس (بدت التكتلات متجانسة).
  • أظهرت النتائج أن 2SFE المعدلة بالمتغيرات المصاحبة ($2sfe-x$) أعطت أضيق فترات ثقة، مما أظهر مكاسب الكفاءة من الجمع بين التأثيرات الثابتة وضبط المتغيرات في هذا السياق المحدد.

5. الأهمية والخاتمة

تقدم هذه الورقة أساسًا نظريًا رصينًا للاختيار بين 2SLS التقليدية و2SFE في سياقات المتغيرات الأداتية المتكتلة.

• التوجيه العملي: تحذر الورقة من الإدراج الروتيني للتأثيرات الثابتة في انحدارات IV دون تقييم مقايضات الكفاءة. إذا كان تباين التكتل منخفضًا أو كان تباين المتغير الأداتي محدودًا داخل التكتلات، فقد تكون 2SLS التقليدية (مع إمكانية إضافة متغيرات مصاحبة على مستوى التكتل) أكثر كفاءة.
• المتانة: تسلط الضوء على أن 2SFE ضرورية لتفسير سببي صالح عندما تكون التكتلات متباينة، حيث قد تعطي 2SLS التقليدية تقديرات منحازة في مثل هذه السيناريوهات.
• أداة تشخيصية: يوفر اختبار $t$ المقترح طريقة عملية تعتمد على البيانات للباحثين للكشف عن تباين التكتلات واختيار المقدر المناسب.

باختصار، تحل هذه الورقة المقايضة بين هذين النهجين القياسيين، مقدمةً شروطًا واضحة لسيادة أحدهما على الآخر، وتوفر اختبارًا إحصائيًا للكشف عن البنية الكامنة للبيانات.