Causal Mediation Analysis for an Interrupted Time Series: Stabilized Mediator Weighting with an Application to a Vehicle Emissions Policy

غالبًا ما يضع صانعو السياسات تغييرات واسعة النطاق، مثل القوانين الجديدة أو اللوائح البيئية، في تاريخ محدد، آملين في رؤية تحول واضح في كيفية سير الأمور. وللقياس مدى نجاح هذه التغييرات، غالبًا ما ينظر العلماء إلى خط واحد طويل من نقاط البيانات التي تم جمعها بمرور الوقت، مثل قراءات جودة الهواء اليومية. هذا النهج، المعروف باسم السلسلة الزمنية المتقطعة، ممتاز في رصد إجمالي التغيير الذي يحدث بعد تنفيذ السياسة. ومع ذلك، فإنه غالبًا ما يترك سؤالاً جوهريًا دون إجابة: هل نجحت السياسة من خلال تغيير النتيجة بشكل مباشر، أم أنها نجحت من خلال تغيير عامل وسيط أولاً ثم أثر على النتيجة؟ على سبيل المثال، إذا حظرت مدينة نوعًا معينًا من السيارات، فهل يصبح الهواء أنقى لأن عدد السيارات قلّ، أم لأن السيارات المتبقية تقود لمسافات أقل؟ إن فك تشابك هذين المسارين — المسار المباشر والمسار غير المباشر عبر خطوة وسطى — أمر صعب عندما تأتي البيانات من مكان واحد وتدفق زمني مستمر واحد، بدلاً من مجموعات منفصلة عديدة من الناس.

لقد طور فريق من الإحصائيين في جامعة مانيتوبا طريقة جديدة لحل هذا اللغز. فقد ابتكروا طريقة يمكنها فصل التأثير الإجمالي للسياسة إلى جزئيها المباشر وغير المباشر، حتى عند العمل مع سجل واحد غير منقطع من البيانات اليومية. تم اختبار نهجهم أولاً على عمليات محاكاة حاسوبية مصممة لمحاكاة الأنماط اليومية في العالم الحقيقي، حيث وجدوا أن الطرق القديمة والأبسط غالبًا ما تعطي نتائج مضللة عندما تؤثر عوامل خفية على البيانات. ثم طبقوا تقنيتهم الجديدة على حدث واقعي: نهاية برنامج "درايف كلين" (Drive Clean) لفحص انبعاثات المركبات في أونتاريو عام 2019. ومن خلال تحليل بيانات جودة الهواء اليومية من أربعة مناطق في تورونتو، اكتشفوا أن إنهاء برنامج الفحص أدى إلى انخفاض ملموس في مستوى الأوزون الأرضي، لكن المسار المؤدي إلى هذا الانخفاض كان أكثر تعقيدًا من مجرد سلسلة بسيطة من السبب والنتيجة.

ركز الباحثون على تغيير سياسي محدد: وهو إنهاء فحص انبعاثات المركبات الإلزامي للمركبات الخفيفة في أونتاريو في 1 أبريل 2019. قبل هذا التاريخ، كان يتعين على السيارات اجتياز فحوصات منتظمة لضمان أنها لا تلوث الكثير. وبعد انتهاء البرنامج، أراد الباحثون معرفة كيف أثر هذا القرار على الأوزون الأرضي، وهو مكون ضار في الضباب الدخاني. وقد اشتبهوا في أن التأثير قد ينتقل عبر ثاني أكسيد النيتروجين، وهو غاز تنبعث منه المركبات ويرتبط ارتباطًا وثيقًا بتكوين الأوزون. في العديد من المناطق الحضرية، تكون العلاقة بين هذين الملوثين غير بديهية؛ فأحيانًا، يمكن أن يؤدي انخفاض ثاني أكسيد النيتروجين إلى ارتفاع الأوزون، وفي حالات أخرى، يؤدي إلى انخفاضه. هذا التعقيد يجعل من الصعب تحديد ما إذا كان التغيير في الأوزون نتيجة مباشرة للسياسة أم أثرًا جانبيًا للتغيرات في ثاني أكسيد النيتروجين.

ولتحديد ذلك، كان على الفريق التغلب على عقبة إحصائية كبرى. فالطرق القياسية لتحليل مثل هذه البيانات تفترض غالبًا أن نقاط البيانات مستقلة، مثل رمي العملة المعدنية مرات عديدة. لكن بيانات جودة الهواء اليومية ليست مستقلة؛ فجودة الهواء يوم الثلاثاء تتأثر بشدة بالطقس ومستويات التلوث من يوم الاثنين. علاوة على ذلك، حدث التغيير في السياسة في تاريخ ثابت، وهو أمر مؤكد وليس حدثًا عشوائيًا. أدرك الباحثون أن الأدوات الموجودة لفصل التأثيرات المباشرة وغير المباشبة بُنيت لدراسات تشمل أشخاصًا أو مجموعات مختلفة عديدة، وليس لخط زمني واحد مستمر. لقد قاموا بتكييف تقنية تسمى "توزين الوسيط المستقر" (stabilized mediator weighting). وببساطة، تنشئ هذه الطة تعدادًا سكانيًا افتراضيًا حيث لا يتم تشويه الرابط بين العامل الوسيط (ثاني أكسيد النيتروجين) والنتيجة النهائية (الأوزون) بفعل الظروف الجوية المتغيرة الأخرى. ومن خلال تعديل البيانات لمراعاة هذه التأثيرات الخفية، استطاعوا عزل التأثير الحقيقي للسياسة.

كما توجب عليهم أيضًا مراعاة حدث ثانٍ كبير حدث لاحقًا: بداية الجائحة في مارس 2020، والتي غيرت أنماط حركة المرور والانبعاثات بشكل جذري. ولضمان قياسهم لتأثير برنامج فحص الانبعاثات وليس تأثير الجائحة، عاملوا بداية الجائحة كقطعة ثانية في خطهم الزمني. اختبروا طريقتهم الجديدة على نطاق واسع باستخدام عمليات محاكاة حاسوبية ولدت آلاف الأيام من البيانات الوهمية ذات الأنماط المعروفة. وفي هذه الاختبارات، وجدوا أن الطرق القديمة غير الموزونة فشلت فشلًا ذريعًا عند وجود عوامل خفية، حيث كانت تخطئ غالبًا في رصد التأثير غير المباشر بالكامل أو تخطئ في اتجاه التأثير. ونجحت طريقتهم الجديدة، التي استخدمت النهج الموزون، في استعادة التأثيرات الحقيقية في عمليات المحاكاة، مما قلل الأخطاء بشكل كبير ووفر صورة أكثر موثوقية لما كان يحدث.

وعندما طبقوا هذه الطريقة المنقحة على البيانات الحقيقية من تورونتو، كشفت النتة عن قصة دقيقة. شمل التحليل أربع مناطق متميزة في المدينة: وسط المدينة، والشرق، والغرب، والشمال. وجد الباحثون أن إنهاء برنامج فحص الانبعاثات ارتبط بانخفاض مباشر في مستوى الأوزون الأرضي. عبر جميع المناطق الأربع، كان التأثير المباشر عبارة عن انخفاض قدره حوالي 2.1 جزء في المليار. وهذا يعني أن التغيير في السياسة نفسه، أو الظروف المحيطة به، أدى إلى هواء أنقى بشكل مباشر، بغض النظر عما حدث لثاني أكسيد النيتروجين. وقد ظل هذا الاكتشاف قائمًا حتى عندما نظروا إلى البيانات قبل بدء الجائحة، مما يشير إلى أن النتيجة كانت قوية وليست ناتجة عن عمليات الإغلاق.

ومع ذلك، حكى المسار غير المباشر قصة مختلفة. فالتأثير على الأوزون الناتج عن السياسة والذي انتقل عبر ثاني أكسيد النيتروجين لم يكن متسقًا عبر المدينة. ففي ثلاث من المناطق الأربع، كان التأثير غير المباشر إيجابيًا، مما يعني أن التغيرات في ثاني أكسيد النيتروجين دفعت مستويات الأوزون للأعلى فعليًا. ولكن في قلب وسط المدينة المزدحم، كان التأثير غير المباشر سلبيًا، مما سحب مستويات الأوزون للأسفل. وعندما جمع الباحثون النتائج الإقليمية، ألغت التأثيرات غير المباشبة الإيجابية والسلبية بعضها البعض إلى حد كبير، مما أدى إلى تأثير غير مباشر إجمالي قريب من الصفر وغير ذي دلالة إحصائية. وهذا يسلط الض الضوء على نقطة حاسمة: لو نظر الباحثون فقط في التغيير الإجمالي دون فصل المسارات المباشرة وغير المباشرة، لربما فاتهم الانخفاض المباشر القوي والمتسق في الأوزون والقوى المتعارضة والمعقدة في الأحياء المختلفة.

تخلص الدراسة إلى أن الطريقة الجديدة توفر أداة قوية لفهم كيفية عمل السياسات في العالم الحقيقي. فمن خلال فصل التأثير المباشر للتدخل عن التأثير غير المباشر الذي يتدفق عبر خطوات وسيطة، يمكن للعلماء الحصول على صورة أوضح للسبب والنتيجة. وفي حالة برنامج "درايف كلين" في أونتاريو، تشير الأدلة إلى أن إنهاء الفحص أدى إلى تحسن مباشر في مستويات الأوزون، وهو اكتشاف يتوافق مع ما لاحظه علماء الغلاف الجوي حول كيفية سلوك الأوزون في المدن المزدحمة. كما يوضح البحث أن الاعتماد على الطرق البسيطة غير المعدلة يمكن أن يؤدي إلى استنتاجات خاطئة، خاصة عند التعامل مع بيانات بيئية مترابطة ومعقدة. إن القدرة على التمييز بين تأثير السياسة المباشر وسلسلة من التفاعلات غير المباشرة تقدم طريقة أكثر دقة لتقييم التأثير الحقيقي للوائح الصحة العامة والبيئة.