ملخص تقني: الوساطة السببية التوزيعية عبر النمذجة التوليدية الشرطية

1. بيان المشكلة

يركز تحليل الوساطة السببية التقليدي بشكل أساسي على التباينات الملخصة على مستوى النتيجة، مثل التأثيرات المتوسطة. ويجادل المؤلفون بأن هذا النهج يحجب التغيرات التوزيعية الجوهرية الناجمة عن الآليات السببية المعقدة وغير الخطية. فالتدخلات ذات التأثيرات المتوسطة المتشابهة يمكن أن تؤدي إلى توزيعات نتائج مختلفة تماماً (على سبيل المثال، اتساع الفجوات بين المجموعات الفرعية مع بقاء المتوسط دون تغيير). علاوة على ذلك، تعتمد الطرق الحالية غالباً على نماذج معلمية (parametric) وتواجه صعوبة في التقاط التأثيرات التوزيعية الخاصة بالمسار عندما تتضمن عدة وسطاء.

يعالج هذا البحث الحاجة إلى الانتقال من تحليل الوساطة القائم على الملخصات نحو توصيف توزيعي كامل للآثار التدخلية. والهدف هو تحديد وتقدير كيفية إعادة تشكيل العلاجات لتوزيع النتائج بأكمله، سواء بشكل مباشر أو من خلال وسطاء متعددين، دون الاعتماد على افتراضات معلمية مقيدة.

2. المنهجية: إطار عمل DCMA

يقترح المؤلفون التحليل التوزيعي للوساطة السببية (DCMA)، وهو إطار عمل للتعلم التوليدي يدمج نظرية الوساطة التدخلية مع النمذجة التوليدية الشرطية.

2.1. المقدرات المستهدفة

يوسع هذا الإطار الآثار الوسيطة التدخلية إلى المستوى التوزيعي. فبدلاً من التباينات القياسية، فإن الأهداف الأساسية هي توزيعات النتائج التدخلية نفسها. يعرّف المؤلفون المقدرات القائمة على التوزيع باستخدام دالة ثنائية عامة $\Psi$:

• إجمالي التأثير التدخلي (ITE): يقارن توزيع النتيجة تحت العلاج $A=1$ مقابل $A=0$، مع اتباع الوسطاء لتوزيعاتهم الطبيعية تحت العلاجات المعنية.
• التأثير المباشر التدخلي (IDE): يقارن النتائج حيث يتغير العلاج ($A=1$ مقابل $A=0$) بينما تظل الوسطاء ثابتة على التوزيع الناجم عن $A=0$.
• الآثار النوعية للمسار التدخلية (IPSE): بالنسبة لوسيط محدد $M_s$، تقارن النتائج حيث يتم ضبط $M_s$ على التوزيع الناجم عن $A=1$ (أو $A=0$) بينما تتبع الوسطاء الأخرى التوزيع الناجم عن $A=0$ (أو $A=1$).

يمكن تطبيق هذه المقدرات باستخدام دوال $\Psi$ متنوعة، بما في ذلك:

• أنواع التباين: الاختلافات في المتوسطات، أو الربيعات (quantiles)، أو الاحتمالات (مثل احتمالات التجاوز).
• الفرق التوزيعي: مقاييس مثل مسافة الطاقة (Energy Distance - ED) أو مسافة وايسرشتاين (Wasserstein distance) لقياس التفاوتات العالمية بين التوزيعات.

2.2. التحديد (Identification)

بموجب الافتراضات القياسية (الاتساق، الإيجابية، والاستبعاد المتسلسل)، يثبت البحث أن التوزيعات الناتجة التدخلية قابلة للتحديد من البيانات الرصدية. تعبر صيغة التحديد عن التوزيع التدخلي كدالة تكاملية فوق التوزيعات الشرطية الملحوظة:
$$P_{Y_a \tilde{M}_{a'}} | Z=z = \int P_{Y|A=a, M=m, Z=z} P_{M|A=a', Z=z} (dm)$$
وهذا يقلص مشكلة التقدير إلى تعلم القوانين الشرطية للوسطاء والنتائج.

2.3. مسار النمذجة التوليدية

يستخدم إطار DCMA مساراً مكوناً من أربع مراحل:

1. المعالجة المسبقة للبيانات: توحيد المعلمات (standardization) للمتغيرات المستقلة، والوسطاء، والنتائج.
2. النمذجة التوليدية الشرطية: جوهر DCMA يتضمن تدريب مولدين مدفوعين بالضوضاء:
   • مولد الوسيط $f_M(A, Z, \epsilon_M)$ لتقريب $P_{M|A,Z}$.
   • مولد النتيجة $f_Y(A, Z, M, \epsilon_Y)$ لتقريب $P_{Y|A,M,Z}$.
     هذه المولدات ترسم خرائط من الضوضاء الخارجية $\epsilon$ إلى عينات تتبع التوزيعات الشرطية المطلوبة.
3. توليد التوزيع التدخلي: باستخدام المولدات المدربة، يقوم الإطار بإجراء محاكاة فورية بطريقة مونت كارلو. من خلال إعادة أخذ عينات من متغيرات الضوضاء وتطبيقها في المولدات تحت علاجات وتعيينات محددة للوسطاء (كما تمليه صيغ التحديد)، يعيد المنهج بناء التوزيعات التدخلية للنتائج دون الحاجة إلى تحديد دالة الاحتمال (likelihood) صراحة.
4. تقدير الآثار السببية: يتم حساب المقدرات التوزيعية عن طريق تطبيق الدوال (مثل المتوسط، الربيعات، مسافة الطاقة) على عينات مونت كارلو المحاكات.

2.4. هدف التدريب

يتم تدريب المولدات عن طريق تقليل التباين التوزيعي الشرطي. يستخدم المؤلفون درجة الطاقة (Energy Score - ES) كمقياس للتباين $D(P, Q)$ لأنها دالة "صحيحة تماماً" (strictly proper) وتسمح بتنفيذ مستقر بطريقة مونت كارلو دون الحاجة إلى تقييم الكثافة الصريح. الهدف الجمعي هو تقليل توقع درجة الطاقة (ES) بين التوزيع المولد والتوزيع الشرطي الحقيقي.

3. المساهمات النظرية

• نتائج التحديد: يشتق البحث صيغ تحديد للآثار التوزيعية التدخلية، معبراً عنها من خلال التوزيعات الشرطية الملحوظة.
• تحليل الخطأ: يقدم المؤلفون حدود خطأ تحليلية لتفكيك كيفية انتقال أخطاء التقدير في النماذج الشرطية المتعلمة إلى التوزيعات التدخلية المعاد بناؤها.
  • باستخدام مسافة الطاقة وتمثيل فضاء هيلبرت المتردد (RKHS)، يظهر المؤلفون أن إجمالي الخطأ محكوم بمجموع خطأ تقدير الوسيط (مقاساً بثابت ليبشيتز لتمثيل النتيجة) وخطأ تقريب نموذج النتيجة.
  • كما تم تقديم تحليل مكمل باستخدام مسافة وايسرشتاين في الملحق، مما يثبت معدلات تقارب غير تقاربية (non-asymptotic) تتحدد بالسرعة الأبطأ لمعدلات تقدير مولد الوسيط أو مولد النتيجة.

4. النتائج التجريبية

تم إثبات فعالية DCMA من خلال التجارب العددية وتطبيق من العالم الحقيقي.

4.1. الدراسات المحاكاتية

• السيناريو 1 (نتيجة ثنائية المنوال): في بيئة تحتوي على وسيط واحد ونتيجة ذات توزيع ثنائي المنوال، نجح DCMA في إعادة بناء التوزيعات التدخلية بدقة. ومن الأهمية بمكان أنه بينما كان التأثير المباشر التدخلي (IDE) القائم على المتوسط قريباً من الصفر، كشفت مسافة الطاقة عن اختلافات توزيعية جوهرية (هياكل أحادية المنوال مقابل ثنائية المنوال) فاتتها التباينات القائمة على المتوسط.
• السيناريو 2 (وسطاء متعددون): تعامل الإطار بنجاح مع خمسة وسطاء معتمدين بتفاعلات غير خطية. وقد حدد بشكل صحيح أي الوسطاء ساهموا في التباين التوزيعي (الآثار المعتمدة على الربيعات) وأيها لم يفعل ذلك.
• الأداء: حقق كل من تنفيذ DCMA-ES (القائم على درجة الطاقة) و DCMA-WGR (القائم على انحدار وايسرشتاين التوليدي) دقة عالية في استعادة الهياكل التوزيعية. وأظهر DCMA-ES أداءً متفوقاً في تقدير الآثار القائمة على المتوسط مقارنة بـ DCMA-WGR.

4.2. تطبيق من العالم الحقيقي (UK Biobank)

طُبق الإطار لتحليل تأثير حالة التدخين ($A$) على ضغط الدم الانقباضي ($Y$) بوساطة مؤشر كتلة الجسم ($M_1$) والكوليسترول الكلي ($M_2$).

• النتائج: كشف التحليل أن التأثير النوعي للمسار عبر مؤشر كتلة الجسم كان مميزاً إحصائياً عن الصفر، حيث زاد من احتمالية الإصابة بارتفاع ضغط الدم (ضغط دم انقباضي $\ge$ 140 ملم زئبق) بنسبة 0.2%.
• الرؤية التوزيعية: رغم أن التأثير المتوسط كان صغيراً، إلا أن تحليل مسافة الطاقة أشار إلى أن التدخين يرتبط بتغيرات محدودة في التوزيع العام لضغط الدم الانقباضي، وهي تفصيلة التقطها الإطار التوزيعي ولكن قد تُحجب في التحليلات القائمة على الملخصات فقط.

5. الأهمية والادعاءات

يزعم البحث أن DCMA يقدم إطار عمل توليدي رصين للوساطة السببية التوزيعية. وتكمن أهميته في:

• ما وراء المتوسطات: يتيح تقدير آثار الوساطة على مستوى توزيعات النتائج الكاملة، مما يكشف عن آليات معقدة وغير متجانسة تفشل التحليلات القائمة على المتوسط في كشفها.
• المرونة: باستخدام مولدات شرطية قائمة على الضوضاء، يتجنب الإطار تحديد الاحتمال الصريح والافتراضات المعلمية، مما يسمح بنمذجة العلاقات المعقدة، متعددة الأنماط، وغير الخطية.
• التأسيس النظري: يوفر نتائج تحديد وحدود خطأ تحليلية تقيس انتقال أخطاء التقدير، مما يوفر ضماناً نظرياً للتوزيعات التدخلية المعاد بناؤها.
• الأهمية السياساتية: يتوافق الإطار مع النماذج السببية الهيكلية وتدخلات الـ "do"، مما يجعله مناسباً للإجابة على أسئلة السياسات من نوع "ماذا لو" فيما يتعلق بكيفية تأثير تغيير توزيعات الوسطاء على توزيعات النتائج.

يشير المؤلفون إلى أنه بينما يمكن دمج نماذج توليدية بديلة (مثل التدفقات الطبيعية - normalizing flows، أو نماذج الانتشار - diffusion models)، فإن مساهمتهم الرئيسية هي إنشاء إطار عمل متسق سببياً، ومؤسس نظرياً، ومستقر حاسوبياً خصيصاً للوساطة السببية التوزيعية.