فرض عدم مخدوش‌شدگی: چرا احتمال تخصیص درمان باید مستقل از پیامدهای بالقوه باشد؟

برای استخراج یک اثر علی از داده‌های مشاهده‌ای، یک شرط ریاضی باید مطلقاً برقرار باشد: روش گردآوری داده‌ها و تخصیص درمان نباید به پیامدهای بالقوه ازدست‌رفته وابسته باشد. این همان فرض عدم مخدوش‌شدگی است که در آمار با نام «نادیده‌انگاری» نیز شناخته می‌شود. این فرض حکم می‌کند که برای داشتن یک برآورد علی بدون سوگیری، باید دقیقاً ۰ مخدوش‌گر اندازه‌گیری‌نشده وجود داشته باشد. اگر این شرط نقض شود، کل دستگاه استنتاج علی فرو ریخته و به یک همبستگی ساده تقلیل می‌یابد. با این حال، در پژوهش‌های مشاهده‌ای، این قید ۱۰۰٪ با استفاده از خود داده‌ها آزمون‌ناپذیر است.[5]

در یک کارآزمایی تصادفی‌سازی‌شده کنترل‌دار، پرتاب یک سکه با شانس ۵۰/۵۰ تعیین می‌کند که چه کسی درمان را دریافت کند. از آنجا که سکه نسبت به ویژگی‌های شرکت‌کنندگان نابیناست، تخصیص درمان مستقل از این است که پیامد آن‌ها در هر یک از سناریوها چه خواهد بود. این امر عدم مخدوش‌شدگی را ذاتاً تضمین می‌کند. اما در داده‌های مشاهده‌ای - جایی که افراد رژیم غذایی خود را انتخاب می‌کنند یا پزشکان داروها را بر اساس علائم تجویز می‌کنند - درمان هرگز تصادفی نیست. در علوم اجتماعی، عاملیت انسانی فعالانه تخصیص تصادفی را مختل می‌کند؛ به این معنا که دلایل دریافت یک درمان توسط یک فرد، تقریباً همیشه با پیامد احتمالی او در هم تنیده است.[3]

در مدل علی روبین که نخستین بار در سال ۱۹۷۴ مطرح شد، هر فرد دقیقاً ۲ آینده فرضی دارد: یکی که در آن درمان را دریافت می‌کند و دیگری که درمان نمی‌گیرد. فرض عدم مخدوش‌شدگی ایجاب می‌کند که مشروط بر مجموعه‌ای از متغیرهای کمکی مشاهده‌شده، تخصیص درمان از این پیامدهای بالقوه مستقل باشد. از نظر ریاضی، این فرض می‌پندارد که پژوهشگران تک‌تک متغیرهایی را که هم بر تصمیم درمان و هم بر پیامد تأثیر می‌گذارند اندازه‌گیری کرده‌اند و هیچ مسیر پشتی بازی باقی نگذاشته‌اند.[1]

استنتاج علی در اساس یک مسئله داده‌های گمشده است. ما همواره تنها ۱ پیامد بالقوه را به ازای هر فرد مشاهده می‌کنیم؛ همان پیامدی که با درمان دریافتی واقعی او مطابقت دارد. فرض عدم مخدوش‌شدگی به پژوهشگران اجازه می‌دهد تا از پیامدهای مشاهده‌شده گروه درمان‌نشده برای پر کردن خلأ وضعیت‌های خلاف واقع گروه درمان‌شده استفاده کنند، مشروط بر اینکه هر دو گروه ویژگی‌های مشاهده‌شده کاملاً یکسانی را در میان شاید ۲۰ یا ۵۰ متغیر کمکی اندازه‌گیری‌شده به اشتراک بگذارند.[5]

از آنجا که ما نمی‌توانیم وضعیت‌های خلاف واقع گمشده را مشاهده کنیم، قادر نیستیم با استفاده از داده‌های موجود، برقرار بودن فرض عدم مخدوش‌شدگی را بیازماییم. اگر حتی ۱ متغیر حیاتی از قلم بیفتد - مثلاً استعداد ژنتیکی ثبت‌نشده یک بیمار یا انگیزه پایه یک دانش‌آموز - این فرض نقض می‌شود. این مخدوش‌شدگی اندازه‌گیری‌نشده، برآورد اثر درمان را دچار سوگیری می‌کند و گاهی جهت آن را کاملاً معکوس کرده و به نتایج خطرناک و نادرستی منجر می‌شود.[4][5]

از آنجا که این فرض قابل اثبات نیست، استنتاج علی مدرن بر کمّی‌سازی میزان شکنندگی آن تکیه دارد. تحلیل حساسیت کمّی پرسش متفاوتی را مطرح می‌کند: یک مخدوش‌گر اندازه‌گیری‌نشده چقدر باید قوی باشد تا بتواند اثر مشاهده‌شده را کاملاً توجیه کرده و از بین ببرد؟ با محاسبه مقادیر-E، پژوهشگران می‌توانند تعیین کنند که آیا یک ادعای علی مستحکم است یا خیر. به عنوان مثال، مقدار-E برابر با ۲٫۵ به این معناست که یک مخدوش‌گر اندازه‌گیری‌نشده باید احتمال وقوع هم درمان و هم پیامد را ۲۵۰٪ افزایش دهد تا نتیجه را خنثی کند.[4]

پیشرفت‌های روش‌شناختی اخیر تلاش می‌کنند تا فرض سخت‌گیرانه عدم مخدوش‌شدگی را کمی تلطیف کنند. تکنیک‌هایی مانند استقلال جزئی مشروط به پژوهشگران اجازه می‌دهند تا حتی در حضور برخی مخدوش‌گرهای اندازه‌گیری‌نشده، کران‌هایی را برای اثرات درمان شناسایی کنند، به شرطی که شرایط ساختاری خاصی برآورده شود. این رویکرد می‌تواند مجموعه داده‌هایی را که در آن‌ها پژوهشگران تنها ۸۰٪ یا ۹۰٪ اطمینان دارند که تمام مخدوش‌گرها ثبت شده‌اند، نجات دهد و یک تور ایمنی ریاضیاتی فراهم کند.[1]

در رشته‌هایی مانند اقتصاد و جامعه‌شناسی، فرض عدم مخدوش‌شدگی به شدت مورد تردید است. پژوهشگران اغلب برای دور زدن کامل این فرض، به آزمایش‌های طبیعی یا متغیرهای ابزاری متوسل می‌شوند و می‌پذیرند که ثبت تک‌تک متغیرهای کمکی مرتبط در سیستم‌های پیچیده اجتماعی عملاً غیرممکن است. تکیه صرف بر انتخاب بر اساس متغیرهای مشاهده‌پذیر در این حوزه‌ها، اغلب به توصیه‌های سیاستی شکننده‌ای منجر می‌شود و این رشته‌ها را به سمت طرح‌های شبه‌آزمایشی سوق می‌دهد.[3]

هنگام ترکیب شواهد از چندین مطالعه مشاهده‌ای، خطر مخدوش‌شدگی اندازه‌گیری‌نشده مضاعف می‌شود. بررسی فراتحلیل‌های مطالعات غیرتصادفی نشان داد که بخش قابل‌توجهی از آن‌ها در ارزیابی رسمی فرض عدم مخدوش‌شدگی ناکام می‌مانند. اکنون روش‌شناسان مدافع ادغام مستقیم تحلیل‌های حساسیت در فراتحلیل‌ها هستند تا اطمینان حاصل کنند که برآوردهای تجمیع‌شده، این عدم قطعیت ساختاری را در میان مجموعه داده‌های مختلف منعکس می‌کنند.[2]

صرفاً افزودن متغیرهای کمکی بیشتر به یک مدل رگرسیون، عدم مخدوش‌شدگی را تضمین نمی‌کند. در واقع، تعدیل متغیرهای اشتباه - مانند متغیرهای برخوردگر یا میانجی - می‌تواند سوگیری‌های جدیدی ایجاد کرده و فعالانه این فرض را نقض کند. انتخاب متغیرهای کمکی باید توسط یک مدل علی دقیق، مانند گراف‌های جهت‌دار غیرمدور هدایت شود، نه اینکه صرفاً ۱۰۰ متغیر را درون یک الگوریتم یادگیری ماشین بریزیم.[6]

با پردازش مجموعه داده‌های به شدت وسیع توسط مدل‌های پیش‌بینی‌کننده، این وسوسه به وجود می‌آید که فرض کنیم عدم مخدوش‌شدگی صرفاً به دلیل اندازه‌گیری میلیون‌ها نقطه داده و هزاران ویژگی برقرار است. اما کلان‌داده‌ها به طور خودکار داده‌های علی تولید نمی‌کنند. یک مجموعه داده با ۱۰ میلیون سطر، اگر همان ۱ متغیری که سازوکار انتخاب را هدایت می‌کند از ماتریس جا افتاده باشد، باز هم یک برآورد سوگیرانه به دست می‌دهد.[6]

حجم داده‌ها نمی‌تواند جایگزین طراحی علی شود. فرض عدم مخدوش‌شدگی همچنان پل نظری میان همبستگی و علیت باقی می‌ماند. اینکه آیا یافته‌های یک مطالعه بازتاب‌دهنده یک سازوکار علی واقعی است یا صرفاً یک مصنوع پیچیده از سوگیری اندازه‌گیری‌نشده، کاملاً به این بستگی دارد که آیا آن پل نامرئی می‌تواند این بار را تحمل کند یا خیر؛ شرطی که هیچ آزمون آماری هرگز نمی‌تواند آن را به طور کامل تأیید کند.[5]