ملخص تقني: إطار رياضي للتحليل السببي للبيانات الطوبولوجية

بيان المشكلة

غالبًا ما تظهر النتائج العلمية الحديثة في شكل كائنات مهيكلة — مثل الصور، أو السحب النقطية، أو الشبكات، أو الحقول المكانية — بدلاً من كونها قيمًا عددية بسيطة. في مثل هذه السياقات، يكون التباين السببي القياسي $Y_1 - Y_0$ غير محدد أو غير كافٍ علميًا. إن اختزال هذه الهياكل المعقدة إلى ملخص عددي واحد قد يؤدي إلى التخلص من معلومات هندسية أو طوبولوجية حاسمة، بينما يفشل الطرح البسيط في التقاط التغيرات في الشكل، أو الاتصال، أو التكتل.

بينما يوفر تحليل البيانات الطوبولوجي (TDA) ملخصات متعددة المقاييس (مثل مخططات الاستمرار أو المناظر الطبيعية المستمرة)، إلا أن هذه الأدوات تفتقر إلى تفسير سببي متأصل. فالسمة الطوبولوجية تصف الهندسة الرصدية ولكنها لا تأخذ في الاعتبار المتغيرات المربكة أو تعيين المعالجة. وعلى العكس من ذلك، فإن أطر الاستدلال السببي القياسية مصممة عادةً للنتائج ذات القيم العددية أو المتجهية. ومن هنا تبرز الحاجة إلى بنية رياضية دقيقة تدمج التحديد الطوبولوجي مع التمثيل الطوبولوجي دون الخلط بين الأدوار المتميزة للتدخل، والتحديد، واستخراج السمات.

المنهجية: إطار عمل TCDA

يقدم البحث تحليل البيانات الطوبولوجي السببي (TCDA)، وهو إطار عمل يتم تعريفه عبر الزوج $(S, M(G), T, C)$. تعمل هذه البنية على فصل أربع طبقات بشكل صريح:

1. فضاء الملاحظة ($S$): الفضاء القابل للقياس للبيانات المرصودة $(X, A, Y)$.
2. فئة النموذج السببي ($M(G)$): مجموعة النماذج السببية المتوافقة مع الرسم البياني $G$، والتي تحدد النتائج المحتملة $Y^a$.
3. التمثيل الطوبولوجي ($T$): خريطة قابلة للقياس تحول النتائج أو القوانين إلى فضاء متري أو فضاء باناخ (Banach space).
4. الاستعلام السببي ($C$): الهدف المحدد للاستدلال والمعرف على النموذج السببي.

يميز الإطار بين مستويين رئيسيين من التحليل، واللذان لا يتبادلان (لا يتوافقان) عمومًا:

1. TCDA على مستوى النتيجة (Outcome-Level)

في هذا الفرع، تُطبق الطوبولوجيا على النتائج المحتملة الفردية قبل عملية التجميع.

• التمثيل: لتكن $T_{out}: Y \to B$ خريطة قابلة للقياس في فضاء باناخ قابل للفصل $B$ (مثل المناظر الطبيعية المستمرة أو الظلال).
• الهدف: يُعرف متوسط تأثير المعالجة الطوبولوجي (TATE) كما يلي:
  $$TATE_{out} = E[T_{out}(Y^1)] - E[T_{out}(Y^0)]$$
• التحديد: تحت الافتراضات القياسية (الاتساق، التبادلية الشرطية، الإيجابية الصارمة)، يتم تحديد تأثير مستوى النتيجة عبر التنميط (Standardization) أو ترجيح الاحتمال العكسي (IPW). يوسع البحث هذه النتائج لتشمل النتائج ذات القيم في فضاء باناخ، مستعرضًا شروط تكامل بوشنر (Bochner integrability) ومشتقًا مقدرات متينة مزدوجًا (doubly robust estimators) مع حدود معدل المنتج للوظائف المزعجة.
• الآثار الخالية من التجهيز (Vectorization-Free Effects): في الحالات التي يتم فيها تجنب التجهيز المتجهي، ينظر الإطار في المقدرات ذات الفضاء المتري مثل المتوسطات الفريشيه (Fréchet means) أو الوسائط الهندسية لمخططات الاستمرار، بالاعتماد على الهندسة المترية لفضاء المخطط (مثل مسافة واسرستاين).

2. TCDA على مستوى التوزيع (Distribution-Level)

في هذا الفرع، تُطبق الطوبولوجيا على قوانين النتائج التدخلية نفسها.

• التمثيل: لتكن $T_{dist}: \mathcal{P}^*(Y) \to Z_{dist}$ خريطة تعمل على القوانين الاحتمالية (مثل تطبيق الهومولوجيا المستمرة على الدعم أو دالة المسافة إلى القياس).
• الهدف: التأثير على مستوى التوزيع هو:
  $$\Delta_{dist} = T_{dist}(P^1_Y) - T_{dist}(P^0_Y)$$
  (أو تباين عددي $d_{dist}(T_{dist}(P^1_Y), T_{dist}(P^0_Y))$).
• التحديد: يتم تحديد القوانين التدخلية $P^a_Y$ عبر صيغة $g$ السببية. ويتم تطبيق التمثيل الطوبولوجي بعد خطوة التحديد هذه.
• عدم التبادل (Non-Commutation): يوضح البحث أن التباينات على مستوى النتيجة ومستوى التوزيع تختلف عمومًا. وتتفق في حال كان $T_{dist} - A$ ثابتًا على فئة القوان প ذات الصلة (حيث $A$ هي الدالة التجميعية). وتؤدي التمثيلات غير الخطية (مثل تلك الحساسة للتكتل أو الاتصال) إلى تباعد جوهري بين تجميع الملخصات الطوبولوجية وبين تلخيص القوانين المجمعة.

الاستقرار وضمانات الإدخال (Plug-in Guarantes)

يؤسس الإطار أنه إذا كان التمثيل الطوبولوجي مستمرًا وفق شرط ليبشيتز بالنسبة لمقياس مخطط محدد (مثل مسافة عنق الزجاجة أو مسافة واسرستاين)، فإن التباين السببي يرث هذه الاستقرار.

• على مستوى النتيجة: ينتقل الاستقرار من فضاء النتائج إلى $TATE$ عبر اقتران النتائج المحتملة.
• على مستوى التوزيع: ينتقل الاستقرار من فضاء القوانين الاحتمالية (مثل مسافة $W_2$) إلى التأثير على مستوى التوزيع. بالنسبة لاستمرار "المسافة إلى القياس" (DTM)، فإن الخطأ في التأثير المقدر يرتبط بخطأ $W_2$ في القوانين التدخلية المقدرة، ويُقاس بمعامل $m$ الخاص بـ DTM.

التجاهل الطوبولوجي وحدود الاكتشاف

• التجاهل الطولوجي المستهدف لخصائص معينة: بناءً على عمل سكي وفاقيه [32]، يصيغ البحث مفهوم التجاهل الطوبولوجي الشرطي. هذا افتراض أضعف من التبادلية الشرطية الضعيفة، وهو كافٍ لتحديد التأثيرات المعيارية المعتمدة على المتغيرات حتى عندما لا تكون القوانين التدخلية الكاملة محددة، بشرما كان التمثيل غير حقني (non-injective) وكانت القوانى المتميزة تقع في نفس الألياف (fibers).
• الاكتشاف السببي: يوضح البحث حدود الطوبولوجيا في الاكتشاف السببي. فبينما يمكن للملخصات الطوبولوجية التمييز بين فئات النماذج المقيدة (مثل الفصل بين آلية دائرية كامنة والتبعيات الوظيفية بناءً على طوبولوجيا الدعم)، إلا أنها لا تستطيع، بمفردها، تحديد اتجاه الحواف السببية أو تحديد التدخلات دون افتراضات إضافية (مثل الترتيب الزمني أو الضوضاء المستقلة).

المساهمات الرئيسية

1. بنية موحدة: فصل رسمي بين الملاحظة، والنماذج السببية، والتمثيلات الطوبولوجية، والاستعلامات، مما يمنع الخلط بين الأسئلة العلمية المتعلقة بالتدخلات، والتحديد، وأهمية السمات.
2. صياغة فضاء باناخ: معالجة دقيقة لـ TCDA على مستوى النتيجة للسمات ذات قيم فضاء باناخ، بما في ذلك التحديد، والتقدير المتين المزدوج، وشروط تكامل بوشنر.
3. توصيف عدم التبادل: توصيف نظري للحالات التي تتوافق فيها التأثيرات على مستوى النتيجة ومستوى التوزيع، مع إثبات أن التحويلات الطوبولوجية غير الخطية تؤدي عمومًا إلى أهداف سببية مختلفة.
4. نقل الاستقرار: اشتقاق حدود الاستقرار للتباينات السببية بناءً على ثوابت ليبشيتز للتمثيلات الطوبولوجية، وربط أخطاء $W_2$ في تقدير القانون بأخطاء التأثيرات السببية القائمة على DTM.
5. توضيح حدود الاكتشاف: صياغة رسمية لكيفية مساعدة الطوبولوجيا الرصدية في الاكتشاف السببي (عبر فصل فئات النماذج) وبيان صريح عن عدم قدرتها على استبدال الافتراضات السببية لتحديد البنية.

النتائج والأهمية

لا يقترح البحث خوارزميات تقدير جديدة لمجموعات بيانات محددة، بل يوفر البنية الرياضية لتبرير وتحليل الطرق الحالية والمستقبلية.

• الأهمية: يوضح الإطار أن الطوبولوجيا لا تحدد التدخلات؛ بل توفر ملخصات مستقرة وحساسة للشكل بعد تحديد الافتراضات السببية. كما يسلط الضوة على أن ترتيب العمليات (التحويل الطوبولوجي مقابل التجميع السكاني) هو ما يحدد الهدف السببي.
• الآثار العملية: يجب على الباحثين الاختيار صراحةً ما إذا كان سؤالهم العلمي يتعلق بمتوسط التغير في الأشكال الفردية (مستوى النتيجة) أو بالتغير في هندسة توزيع السكان (مستوى التوزيع)، حيث أن هذين يمثلان هدفين مختلفين قد يؤديان إلى استنتاجات متباينة.
• المتانة: يظهر الإطار أنه بينما يمكن للتجاهل الطوبولوجي أن يسمح بتحديد التأثيرات العامة تحت افتراضات أضعف، فإنه لا يوفر متانة عامة ضد المتغيرات المربكة الخفية فيما يتعلق بالتأثيرات الهامشية أو تحديد القانون الكامل.

ختامًا، يضع TCDA تحليل البيانات الطوبولوجي ضمن التسلسل القياسي للاستدلال السببي (تعريف الهدف $\leftarrow$ الافتراضات $\leftarrow$ التحديد $\leftarrow$ التقدير)، مما يضمن تفسير الملخصات الطوبولوجية بصرامة سببية مناسبة.