چگونه سه شرط ریاضی اعتبار یک متغیر ابزاری را تایید می‌کنند

در حالی که یک کارآزمایی تصادفی‌سازی‌شده و کنترل‌شده به صورت فیزیکی تخصیص درمان را مستقل از مخدوش‌کننده‌های اندازه‌گیری‌نشده اعمال می‌کند، یک متغیر ابزاری تلاش می‌کند تا دقیقا همین تفکیک را با استفاده از داده‌های مشاهده‌ای و سه فرض ریاضی سخت‌گیرانه انجام دهد. زمانی که پژوهشگران نمی‌توانند یک درمان را به صورت تصادفی تخصیص دهند — مانند مجبور کردن افراد به سیگار کشیدن، ترک تحصیل در دبیرستان، یا استفاده از یک دستگاه پزشکی خاص — آن‌ها به دنبال یک شوک طبیعی می‌گردند که بر درمان تاثیر می‌گذارد اما هیچ ارتباط مستقیمی با نتیجه ندارد. این شوک که به عنوان یک ابزار شناخته می‌شود، به آمارشناسان اجازه می‌دهد تا اثر علی را از کلافی از متغیرهای همبسته استخراج کنند. اما اعتبار این استخراج کاملا به ارتباط، محدودیت استثنا و یکنوایی بستگی دارد. اگر هر یک از این سه مورد با شکست مواجه شود، ابزار نه تنها در اصلاح سوگیری ناکام می‌ماند، بلکه آن را به شدت تشدید می‌کند.[1][6]

روش متغیرهای ابزاری برای اولین بار در دهه ۱۹۲۰ برای برآورد کشش عرضه و تقاضا مورد استفاده قرار گرفت و بعدها برای اصلاح خطای اندازه‌گیری در مدل‌های تک‌معادله‌ای تکامل یافت. در یک مقاله کاری دفتر ملی پژوهش‌های اقتصادی (NBER) در سال ۲۰۰۱، اقتصاددانان جاشوا انگریست (Joshua Angrist) و آلن کروگر (Alan Krueger) به تفصیل شرح دادند که چگونه این تکنیک به ابزاری اصلی برای شناسایی روابط علی در آزمایش‌های طبیعی تبدیل شد. مشکل اساسی که این روش حل می‌کند، سوگیری متغیر حذف‌شده است. در داده‌های مشاهده‌ای استاندارد، پژوهشگری که تلاش می‌کند اثر تحصیلات بر درآمد را اندازه‌گیری کند، نمی‌تواند توانایی ذاتی یا ارتباطات خانوادگی یک فرد را مشاهده کند. از آنجا که این متغیرهای پنهان هم بر احتمال ماندن در مدرسه و هم بر حقوق نهایی تاثیر می‌گذارند، یک رگرسیون استاندارد حداقل مربعات معمولی برآوردی تحریف‌شده تولید می‌کند.[6]

برای دور زدن این تحریف، پژوهشگران به دنبال یک ابزار می‌گردند — متغیری که احتمال درمان را تغییر می‌دهد اما در غیر این صورت کاملا از نتیجه جدا است. انگریست و کروگر در مطالعه‌ای مشهور از سه‌ماهه تولد یک دانش‌آموز به عنوان ابزاری برای پیشرفت تحصیلی استفاده کردند. از آنجا که قوانین آموزش اجباری در ایالات متحده دانش‌آموزان را ملزم می‌کرد تا تولد ۱۶ سالگی خود در مدرسه بمانند، کسانی که در اواخر سال متولد شده بودند مجبور بودند قبل از اینکه بتوانند به طور قانونی ترک تحصیل کنند، آموزش بیشتری را نسبت به کسانی که در اوایل سال متولد شده بودند به پایان برسانند. سه‌ماهه تولد به عنوان یک شوک تصادفی به سطوح تحصیلات عمل کرد که کاملا مستقل از توانایی ذاتی بود.[6]

مکانیسم این استخراج بر یک عملیات ریاضی متکی است که اغلب به عنوان حداقل مربعات دومرحله‌ای (Two-Stage Least Squares) اجرا می‌شود. در مرحله اول، پژوهشگر متغیر درمان را بر روی ابزار رگرسیون می‌کند تا آن بخش از درمان را که صرفا توسط شوک خارجی هدایت می‌شود، تفکیک کند. در مرحله دوم، نتیجه بر روی آن مقدار درمان پیش‌بینی‌شده و تفکیک‌شده رگرسیون می‌شود. با این حال، همان‌طور که جاشوا انگریست، اقتصاددان MIT، و آلن کروگر، اقتصاددان پرینستون، در مقاله سال ۲۰۰۱ خود در دفتر ملی پژوهش‌های اقتصادی به صراحت هشدار دادند: «برآوردهای متغیرهای ابزاری بدون سوگیری نیستند زیرا شامل نسبتی از مقادیر تصادفی هستند که امید ریاضی برای آن‌ها لزوما وجود ندارد یا شکل ساده‌ای ندارد.» این نسبت تغییرات درون‌زا را از بین می‌برد، اما برای همگرایی به اثر علی واقعی نیازمند حجم نمونه‌های بسیار بزرگی است.[1][6]

اگر اولین شرط از سه شرط اصلی — یعنی ارتباط — برآورده نشود، این عملیات ریاضی فرو می‌پاشد. شرط ارتباط دیکته می‌کند که ابزار باید اثر قوی و قابل اندازه‌گیری بر متغیر درمان داشته باشد. چارچوبی که در سال ۲۰۲۳ توسط گروه ارزیابی تاثیر توسعه بانک جهانی منتشر شد، تاکید می‌کند که یافتن یک ابزار طبیعی دشوار است و یافتن ابزاری با همبستگی به اندازه کافی قوی حتی دشوارتر است. اگر ابزار احتمال درمان را تنها ۲ یا ۳ واحد درصد تغییر دهد، به عنوان یک ابزار ضعیف طبقه‌بندی می‌شود.[5]

تاوان یک ابزار ضعیف سنگین است. از آنجا که برآوردگر متغیر ابزاری بر یک نسبت متکی است، همبستگی ضعیف مخرجی تولید می‌کند که به صفر نزدیک می‌شود. یک مرور در سال ۲۰۱۸ در ژورنال Emerging Themes in Epidemiology خاطرنشان می‌کند که یک ابزار ضعیف اثر فزاینده‌ای بر هرگونه سوگیری پسماند در صورت کسر اعمال می‌کند. اگر یک ابزار احتمال درمان را تنها ۵ درصد تغییر دهد، مخرج کسر ۰٫۰۵ است. هرگونه نقض جزئی در سایر مفروضات بلافاصله در ۲۰ ضرب می‌شود. در نتیجه، یک ابزار ضعیف می‌تواند برآوردی تولید کند که به طور قابل‌توجهی سوگیری بیشتری نسبت به رگرسیون مشاهده‌ای ناقصی دارد که قرار بود جایگزین آن شود.[2][5]

دومین شرط الزامی، محدودیت استثنا (Exclusion Restriction) است. این فرض ایجاب می‌کند که ابزار منحصرا از طریق اثر خود بر درمان، و بدون هیچ مسیر جایگزینی، بر نتیجه تاثیر بگذارد. در مثال سه‌ماهه تولد، محدودیت استثنا فرض می‌کند که متولد شدن در سه‌ماهه چهارم از طریق هیچ مکانیسمی غیر از ماه‌های اضافی آموزش اجباری بر درآمد بزرگسالی تاثیر نمی‌گذارد. برخلاف شرط ارتباط که می‌تواند به صورت تجربی با بررسی رگرسیون مرحله اول آزمایش شود، محدودیت استثنا اساسا غیرقابل آزمون است. این شرط کاملا به توجیه نظری و دانش تخصصی پژوهشگر متکی است.[1][4]

زمانی که محدودیت استثنا نقض می‌شود، کل ادعای علی از هم می‌پاشد. یک تحلیل در سال ۲۰۱۸ در Current Epidemiology Reports برجسته می‌کند که پژوهشگران اغلب برای بررسی معقول بودن محدودیت استثنا به استراتژی‌های ابطال‌پذیری تکیه می‌کنند، حتی اگر نتوانند آن را به طور قطعی ثابت کنند. برای مثال، پژوهشگران ممکن است ابزار را روی یک زیرجمعیت که مشخص است در برابر درمان مصون هستند، آزمایش کنند. اگر ابزار همچنان تغییری در نتیجه برای آن گروه مصون ایجاد کند، محدودیت استثنا نقض شده است، زیرا ابزار باید از طریق یک مسیر پنهان عمل کرده باشد.[3]

شرط سوم، یعنی یکنوایی (Monotonicity)، در یک مقاله برجسته در سال ۱۹۹۶ توسط انگریست، گیدو ایمبنس (Guido Imbens) و دونالد روبین (Donald Rubin) فرمول‌بندی شد. یکنوایی ایجاب می‌کند که ابزار همه افراد تحت تاثیر را در یک جهت سوق دهد. در زبان استنتاج علی، این شرط فرض می‌کند که هیچ «مخالفی» (Defiers) وجود ندارد — یعنی افرادی که اگر تشویق نشوند درمان را می‌پذیرند، اما اگر تشویق شوند از درمان امتناع می‌کنند. اگر یک ابزار یارانه مالی برای یک روش پزشکی باشد، یکنوایی فرض می‌کند که یارانه ممکن است برخی افراد را متقاعد کند که آن روش را انجام دهند، اما باعث نمی‌شود کسی که از قبل قصد انجام آن را داشته ناگهان آن را لغو کند.[1][6]

زمانی که یکنوایی برقرار باشد، متغیر ابزاری پارامتر خاصی را تفکیک می‌کند که به عنوان میانگین اثر درمانی محلی (LATE) شناخته می‌شود. چارچوب سال ۱۹۹۶ جمعیت‌ها را به چهار گروه تقسیم کرد: همیشه‌گیرندگان، هرگزنگیرندگان، پذیرندگان و مخالفان. از آنجا که ابزار رفتار همیشه‌گیرندگان یا هرگزنگیرندگان را تغییر نمی‌دهد، و از آنجا که یکنوایی فرض می‌کند مخالفان وجود ندارند، برآورد حاصل منحصرا برای پذیرندگان اعمال می‌شود. این روش اثر علی را تنها برای زیرمجموعه خاصی از جمعیت که رفتارشان توسط ابزار تغییر کرده است، اندازه‌گیری می‌کند.[1][4]

این محدودیت محلی یک نقطه اختلاف مکرر در ارزیابی سیاست‌ها است. بانک جهانی خاطرنشان می‌کند که در حالی که یک متغیر ابزاری ممکن است تاثیر یک طرح اعتباری را بر افراد خاصی که با یک تشویق تصادفی ترغیب به مشارکت شده‌اند به دقت اندازه‌گیری کند، آن برآورد لزوما منعکس‌کننده میانگین اثر درمانی برای کل جمعیت نیست. اگر پذیرندگان به طور سیستماتیک با همیشه‌گیرندگان تفاوت داشته باشند — شاید به این دلیل که آن‌ها بیشتر ریسک‌گریز هستند یا منابع پایه متفاوتی دارند — تعمیم دادن اثر محلی به اجرای یک سیاست ملی، پیش‌بینی‌های نادرستی به همراه خواهد داشت.[5]

اپیدمیولوژیست‌ها هنگام تطبیق این ابزارهای اقتصادسنجی با تحقیقات پزشکی با محدودیت‌های مشابهی روبرو هستند. یک مرور روش‌شناسی در سال ۲۰۱۶ از دانشکده بهداشت عمومی میلمن در دانشگاه کلمبیا توضیح می‌دهد که چگونه متغیرهای ابزاری برای مقابله با «مخدوش‌شدگی ناشی از اندیکاسیون» به کار گرفته می‌شوند. در داده‌های پزشکی مشاهده‌ای، بیمارانی که یک درمان تهاجمی دریافت می‌کنند اغلب به طور سیستماتیک بیمارتر از کسانی هستند که آن را دریافت نمی‌کنند، که باعث می‌شود درمان مضر به نظر برسد. اپیدمیولوژیست‌ها غالبا از ترجیح تجویز یک پزشک یا بیمارستان خاص به عنوان یک ابزار استفاده می‌کنند، با این فرض که تخصیص یک بیمار به پزشکی که تجویز بالایی دارد تصادفی است و تنها از طریق افزایش احتمال دریافت دارو بر سلامت آن‌ها تاثیر می‌گذارد.[1][2]

در این کاربردهای پزشکی، اصطلاحات تغییر می‌کنند — اپیدمیولوژیست‌ها اغلب به جای برون‌زایی به فرض «تعویض‌پذیری» (Exchangeability) اشاره می‌کنند — اما پایه ریاضی یکسان باقی می‌ماند. ابزار همچنان باید مرتبط باشد (پزشک باید واقعا دارو را بیشتر تجویز کند)، باید محدودیت استثنا را برآورده کند (پزشک نباید همزمان مراقبت‌های کلی بهتری ارائه دهد که به طور مستقل نتیجه را بهبود بخشد)، و باید یکنوایی را برآورده کند (پزشک نباید به طور سیستماتیک دارو را از بیمارانی که آن را از یک پزشک با تجویز پایین دریافت می‌کردند، دریغ کند).[2][3]

سخت‌گیری این سه شرط توضیح می‌دهد که چرا کشف متغیرهای ابزاری معتبر تا این حد دشوار است. این جستجو نیازمند یافتن متغیری است که به اندازه کافی قدرتمند باشد تا رفتار انسان را تغییر دهد، اما به اندازه کافی مجزا باشد تا از شبکه پیچیده مخدوش‌کننده‌های اجتماعی-اقتصادی یا بیولوژیکی در امان بماند. زمانی که پژوهشگران یک ابزار نامعتبر را به زور وارد یک مدل حداقل مربعات دومرحله‌ای می‌کنند، خروجی حاصل یک قطعیت کاذب را به تصویر می‌کشد و یک برآورد سوگیرانه را در اقتدار ریاضی استنتاج علی می‌پیچد.[4][6]

مرز پژوهش‌های متغیر ابزاری اکنون بر تعیین کمیت مرزهای دقیق این شکست‌ها متمرکز است. اقتصادسنجی‌دانان مدرن به جای اینکه محدودیت استثنا و یکنوایی را به عنوان شرایطی باینری در نظر بگیرند که یا کاملا برقرارند یا کاملا شکست می‌خورند، در حال توسعه کران‌هایی هستند که محاسبه می‌کنند وقتی مفروضات اندکی نقض می‌شوند، یک برآورد چقدر افت می‌کند. تا زمانی که این مدل‌های حساسیت به رویه استاندارد تبدیل نشوند، قابلیت اطمینان هر برآورد متغیر ابزاری کاملا به شفافیت پژوهشگر و یکپارچگی ساختاری شوک طبیعی وابسته باقی می‌ماند.[3][6][7]