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

政策立案者は、物事の仕組みに明確な変化が生じることを期待して、新しい法律や環境規制のような広範な変更を特定の期日に導入することがよくあります。これらの変化の成功を測定するために、科学者たちはしばしば、日々の空気質測定値のような、時間の経過とともに収集された単一の長いデータポイントの列（時系列データ）に注目します。中断時系列解析として知られるこのアプローチは、政策が実施された後に起こる総体的な変化を特定することには非常に優れています。しかし、これはある重要な問いを未解決のまま残してしまうことがよくあります。すなわち、「政策は直接的に結果を変えることによって機能したのか、それとも中間的な要因をまず変え、それが影響を及ぼして結果を変えたのか」という問いです。例えば、ある都市が特定の種類の車の走行を禁止した場合、空気がきれいになったのは車が減ったからでしょうか、それとも残った車が走行距離を減らしたからでしょうか。この二つの経路、つまり直接的なルートと、中間ステップを経由する間接的なルートを解き明かすことは、データが多くの異なる集団からではなく、ただ一つの場所からの一つの連続した時間の流れである場合、非常に困難です。

マニトバ大学の統計学者チームは、このパズルを解くための新しい方法を開発しました。彼らは、単一の途切れることのない日次データであっても、政策による総体的な効果を直接的な部分と間接的な部分に分離できる手法を作り上げました。彼らのアプローチは、まず現実世界の日常的なパターンを模倣するように設計されたコンピュータ・シミュレーションを用いてテストされました。そこでは、隠れた要因がデータに影響を与えている場合、古い単純な手法は誤解を招く結果を生むことが多いことが判明しました。その後、彼らはこの新技術を、現実世界の出来事である2019年のオンタリオ州における「ドライブ・クリーン（Drive Clean）」車両排出ガス検査プログラムの終了に適用しました。トロントの4つの地域からの日次の空気質データを分析することで、彼らは検査プログラムの終了が地上付近のオゾン濃度を減少させる要因となったことを発見しましたが、その減少への経路は単純な因果関係の連鎖よりも複雑なものでした。

研究者たちは、特定の政策変更に焦点を当てました。それは、2019年4月1日のオンタリオ州における軽自動車に対する義務的な排出ガス検査の終了です。この日付以前は、車が汚染を出しすぎていないかを確認するために定期的なチェックを受ける必要がありました。プログラム終了後、研究者たちはこの決定が地上付近のオゾンにどのように影響したのかを知りたいと考えました。彼らは、政策の影響が、自動車から排出されるガスであり、オゾンの生成と密接に関連している二酸化窒素を通じて伝わるのではないかと疑っていました。多くの都市部において、これら二つの汚染物質の関係は直感的ではないことがあり、二酸化窒素の減少が実際にはオゾンの上昇を招くこともあれば、逆にオゾンの低下を招くこともあります。この複雑さゆえに、変化が二酸化窒素の変化による直接的な結果なのか、それともその副作用なのかを判断することは困難です。

この課題を解決するために、チームは大きな統計的障壁を克服しなければなりませんでした。このようなデータを分析する標準的な手法は、コインを何度も投げる時のように、データポイントが独立していると仮定することが多いのです。しかし、日次の空気質データは独立していません。火曜日の空気の質は、月曜日の天候や汚染レベルに大きく影響されます。さらに、政策変更は不確実な事象ではなく、固定された日付として発生しました。研究者たちは、直接的および間接的な効果を分離するための既存のツールは、多くの異なる人々やグループを対象とした研究のために作られたものであり、単一の連続したタイムラインのためのものではないことに気づきました。そこで彼らは、「安定化媒介量重み付け（stabilized mediator weighting）」と呼ばれる手法を応用しました。簡単に言えば、この手法は、中間因子（二酸化窒素）と最終的な結果（オゾン）の間のつながりが、変化する他の気象条件によって歪められないような「仮想的な集団」を作り出します。隠れた影響を考慮してデータを調整することで、彼らは政策の真の効果を孤立させることができました。

彼らはまた、その後に起こった第二の大きな出来事、すなわち、交通パターンや排出量を劇的に変化させた2020年3月のパンデミックの発生も考慮しなければなりませんでした。彼らが測定しているのが排出ガス検査プログラムの効果であり、パンデミックの効果ではないことを確実にするために、彼らはパンデミックの開始をタイムラインにおける第二の中断として扱いました。彼らは、既知のパターンを持つ何千もの偽のデータを用いたコンピュータ・シミュレーションを用いて、この新手法を徹底的にテストしました。これらのテストにおいて、重み付けを行わない古い手法は、隠れた要因が存在する場合にひどく失敗し、間接的な効果を完全に見逃したり、効果の方向性を誤ったりすることが分かりました。重み付けを用いた彼らの新手法は、シミュレーションにおいて真の効果を回収することに成功し、エラーを大幅に減少させ、より信頼できる状況を提供しました。

この洗練された手法をトロントの実際のデータに適用したところ、結果は微妙な物語を明らかにしました。分析は、トロントのダウンタウン、イースト、ウエスト、ノースという4つの異なる地域を対象としました。研究者たちは、排出ガス検査の終了が地上付近のオゾン濃度の直接的な減少に関連していることを発見しました。4つの全地域において、直接的な効果は約2.1ppb（パーツ・パー・ビリオン）の減少でした。これは、政策変更そのもの、あるいはそれに付随する条件が、二酸化窒素に何が起きるかに関わらず、直接的に空気をきれいにしたことを意味します。この知見は、パンデミックが始まる前のデータを見ても成立しており、結果がロックダウンによる産物ではなく、堅牢なものであることを示唆しています。

しかし、間接的な経路は異なる物語を語っていました。二酸化窒素を通じてオゾンに与える政策の影響は、市内全域で一貫していませんでした。4つの地域のうち3つの地域では、間接的な効果はプラスであり、二酸化窒素の変化が実際にオゾン濃度を押し上げたことを意味していました。しかし、密集したダウンタウンの中心部では、間接的な効果はマイナスであり、オゾン濃度を引き下げていました。研究者がこれらの地域ごとの結果を組み合わせると、プラスの間接的効果とマイナスの間接的効果が大部分相殺され合い、その結果、総体的な間接的効果はゼロに近く、統計的に有意ではありませんでした。このことは、もし研究者が直接的な経路と間接的な経路を分離せずに総体的な変化だけを見ていたとしたら、一貫した直接的なオゾンの減少と、異なる近隣地域で起きている複雑で相反する力の動きを見逃していたかもしれないという重要な点を示しています。

本研究は、この新手法が現実世界で政策がどのように機能するかを理解するための強力なツールを提供することを結論付けています。介入による直接的な影響と、中間ステップを通じて流れる間接的な影響を分離することで、科学者は因果関係をより明確に把握することができます。オンタリオ州の「ドライブ・クリーン」プログラムの場合、証拠は、検査の終了がオゾンレベルの直接的な改善につながったことを示唆しており、この知見は、都市部の混雑した地域におけるオゾンの挙動に関する大気科学者の観察と一致しています。また、本研究は、単純で調整を行わない手法に頼ると、特に複雑で相互に関連する環境データを取り扱う際に、誤った結論を導く可能性があることを実証しています。直接的な政策効果と、一連の間接的な反応の連鎖を区別する能力は、公衆衛生や環境規制の真の影響を評価するための、より精密な方法を提供します。