تفکیک مسیر فردی از تفاوت‌های پایه در داده‌های پانل با مدل‌های خطی آمیخته

رگرسیون مقطعی افراد را در یک نقطه زمانی واحد مقایسه می‌کند و فرض را بر این می‌گذارد که تفاوت در متغیر پاسخ ناشی از تمایز ویژگی‌های آن‌هاست. داده‌های طولی پانل در ظاهر شبیه یک جدول داده معمولی به نظر می‌رسند، اما تفاوت بنیادینی ایجاد می‌کنند: همان افراد در گذر زمان چندین بار اندازه‌گیری می‌شوند و هم‌زمان تفاوت‌های پایه و دگرگونی‌های درونی‌شان ثبت می‌گردد.[1]

اگر پژوهشگر این تمایز ساختاری را نادیده بگیرد و یک رگرسیون تجمعی استاندارد اجرا کند، در دامی ریاضی گرفتار می‌شود. مدل، تفاوت‌های بین افراد در نقطه آغازین را با تغییرات درون‌فردی در طول زمان در قالب یک ضریب واحد ترکیب می‌کند؛ رویکردی که دو سازوکار کاملاً مجزا را با یکدیگر اشتباه می‌گیرد.[3]

این اختلاط می‌تواند جهت واقعی رابطه را در داده‌ها کاملاً وارونه سازد. به عنوان نمونه، سرعت تایپ یک فرد با تمرین مداوم در طول زمان افزایش می‌یابد که معرف یک اثر درون‌فردی مثبت است. با این حال، افراد سالمندتر ممکن است به طور میانگین کندتر از جوانان تایپ کنند که اثری بین‌فردی و منفی پدید می‌آورد.[1]

یک مدل تجمعی، این دو نیروی متضاد را بر هم منطبق می‌کند و شاید به این نتیجه غلط برسد که تمرین بیشتر، سرعت تایپ را کم می‌کند. پاتریک کوران و دانیل بائر در مرور روش‌شناختی سال ۲۰۱۱ خود نوشتند: «ناتوانی در تفکیک آثار بین‌فردی و درون‌فردی می‌تواند به نتایجی غیرقابل‌تفسیر یا شدیداً گمراه‌کننده منتهی شود».[1]

تلاقی دو واریانس بنیادین

مسئله اصلی این است که داده‌های طولی، فرض اولیه رگرسیون استاندارد یعنی استقلال مشاهدات را نقض می‌کنند. وقتی یک مطالعه پانل ۵۰۰ بیمار را طی ۵ سال پایش می‌کند، با ۲۵۰۰ مشاهده مستقل سر و کار نداریم، بلکه با ۵۰۰ خوشه از اندازه‌گیری‌های با همبستگی بالا روبرو هستیم.[5]

اقتصادسنجی سنتی معمولاً این مسئله را با بهره‌گیری از مدل اثرات ثابت صلب مهار می‌کند. این مدل با تخصیص یک متغیر موهومی اختصاصی به تک‌تک افراد نمونه، تمام تفاوت‌های پایه میان آزمودنی‌ها را از منظر ریاضی جذب می‌کند و واریانس بین‌فردی را به کلی از معادله بیرون می‌کشد.[2]

این رهیافت مسیر تغییرات درون‌فردی را به دقت جدا می‌کند و تضمین می‌دهد که ضریب برآوردی، صرفاً دگرگونی فرد را در طول زمان بازتاب دهد. اقتصاددانان مدت‌هاست این روش را برمی‌گزینند زیرا سوگیری ناشی از متغیرهای حذف‌شده را برای ویژگی‌های نامشهود و ناوردای زمانی برطرف می‌سازد.[4]

با وجود این، مدل اثرات ثابت صلب بهای تحلیلی سنگینی طلب می‌کند. از آنجا که تمام تفاوت‌های پایه توسط متغیرهای موهومی فردی جذب می‌شوند، هر متغیری که در طول زمان تغییر نکند، حذف خواهد شد. بدین ترتیب امکان برآورد اثر نژاد، سال تولد یا نشانگرهای ژنتیکی از دست می‌رود.[2]

این عوامل ایستا هم‌خطی کاملی با متغیرهای موهومی فردی دارند و نرم‌افزار آماری آن‌ها را از مدل کنار می‌گذارد. اندرو بل و کلوین جونز استدلال کرده‌اند: «مدل اثرات ثابت غالباً داروی تمام دردها قلمداد می‌شود، اما با ناممکن ساختن برآورد متغیرهای ناوردا در زمان، عملاً کودک را همراه آب تشت دور می‌ریزد».[2]

سازش ناگزیر مدل اثرات تصادفی

برای حفظ متغیرهای ناوردا در زمان، پژوهشگران به مدل‌های اثرات تصادفی روی می‌آورند. در این چارچوب به جای برازش یک عرض از مبدأ اختصاصی برای هر فرد، فرض می‌شود تفاوت‌های پایه افراد نمونه‌هایی تصادفی از یک توزیع نرمال هستند و این واریانس در دل مؤلفه خطای مدل جای می‌گیرد.[4]

این ترفند درجات آزادی را حفظ کرده و اجازه می‌دهد مدل، اثر ویژگی‌های ایستا مانند جنسیت یا کشور زادگاه را برآورد کند. بدون تحمیل متغیر موهومی به ازای هر آزمودنی، فضای محاسباتی برای سنجش عواملی که دچار نوسان زمانی نمی‌شوند باز می‌ماند.[8]

با این حال، مدل اثرات تصادفی استاندارد حاوی یک فرض پیش‌فرض خطرناک است: از نظر ریاضی فرض می‌کند اثر درون‌فردی و اثر بین‌فردی دقیقاً با هم برابرند. اگر افزایش حقوق، احساس شادکامی فرد را دو واحد بالا ببرد، مدل فرض می‌کند فردی که از ابتدا حقوق پایه‌اش بالاتر بوده نیز دقیقاً دو واحد شادتر است.[3]

در واقعیت، این دو اثر به ندرت یکسان هستند. تأثیر روانی ناشی از ارتقای شغلی و افزایش دستمزد اساساً با تمایز ساختاری میان طبقات درآمدی متفاوت است. فشردن این دو ماهیت در یک برآورد یگانه، هم درک مسیر زمانی و هم تحلیل خط پایه را مخدوش می‌کند.[6]

جان نوهاوس و جان کالبفلایش در سال ۱۹۹۸ این پدیده را صورتبندی ریاضی کردند و نشان دادند اگر هم‌پراش‌های سطح خوشه با متغیرهای پیش‌بین سطح فرد همبستگی داشته باشند، مدل‌های آمیخته ضرایبی اریب تولید می‌کنند. مدل صرفاً بر اساس واریانس در دسترس، میانگینی میان دو اثر می‌گیرد و پویایی واقعی را پنهان می‌سازد.[5]

مکانیسم تفکیک در سطح فرد

راهکار این گره تحلیلی، تفکیک صریح واریانس‌ها پیش از ورود به مدل است. این روش که مرکزسازی حول میانگین فرد یا فرمولاسیون ترکیبی نامیده می‌شود، به مدل اثرات تصادفی اجازه می‌دهد بدون از دست دادن متغیرهای ایستا، نقش مدل اثرات ثابت را به درستی ایفا کند.[1]

این سازوکار نیازمند دو گام مشخص در مرحله آماده‌سازی داده‌هاست: نخست، پژوهشگر میانگین متغیر پیش‌بین را برای هر فرد در کل دوره‌های زمانی محاسبه می‌کند. با این کار، متغیری جدید شکل می‌گیرد که نشان‌دهنده خط پایه بین‌فردی هر فرد در پانل است.[3]

در گام دوم، پژوهشگر این میانگین فردی را از مقدار اندازه‌گیری‌شده در هر نقطه زمانی کسر می‌کند تا نمره انحراف به دست آید. این نمره انحراف نشان می‌دهد فرد در آن لحظه چقدر از خط پایه خود فاصله دارد و به این ترتیب واریانس درون‌فردی به طور خالص تفکیک می‌شود.[6]

با وارد کردن هم‌زمان متغیر میانگین و متغیر انحراف در یک مدل خطی آمیخته، دو ضریب مجزا برآورد می‌گردد؛ نمره انحراف مسیر دگرگونی در طول زمان را نشان می‌دهد و متغیر میانگین، تفاوت‌های مقطعی در خط پایه را به تصویر می‌کشد.[2]

بل و جونز نشان دادند که رویکرد ترکیبی می‌تواند برآوردهای درون‌فردی یک مدل اثرات ثابت صلب را دقیقاً بازتولید کند و هم‌زمان فرصت گنجاندن متغیرهای ناوردای زمانی نظیر ژنتیک یا موقعیت جغرافیایی را در همان معادله محفوظ نگه دارد.[2]

محدودیت‌های رویکرد ترکیبی

اگرچه مرکزسازی حول میانگین فرد خطای تداخل آثار را حل می‌کند، اما پیچیدگی‌های تازه‌ای به همراه می‌آورد. تفسیر این ضرایب بسته به شیوه اعمال مرکزسازی و پیوسته یا دوگانه بودن متغیر پاسخ، تفاوت بنیادینی پیدا می‌کند.[7]

پائول آلیسون، جامعه‌شناس، در سال ۲۰۱۴ به محدودیت‌های روش ترکیبی اشاره کرد. او نشان داد هرچند این سازوکار در مدل‌های خطی درخشان عمل می‌کند، در رگرسیون لجستیک و تحلیل بقا که هم‌ارزی ریاضی با مدل‌های اثرات ثابت رنگ می‌بازد، دچار نارسایی می‌شود.[7]

آلیسون هشدار داد: «در رگرسیون لجستیک، روش ترکیبی به برآوردهایی یکسان با رگرسیون لجستیک شرطی—که رویکرد استاندارد اثرات ثابت برای پاسخ‌های دوگانه است—منتهی نمی‌شود». او تأکید کرد که در چارچوب‌های غیرخطی، ضرایب روش ترکیبی به شکل نظام‌مند تضعیف می‌شوند.[7]

افزون بر این، روش ترکیبی فرض می‌کند اثر درون‌فردی برای تمام افراد یکسان است. اگر یک مداخله درمانی در سالمندان و جوانان کارکرد متفاوتی داشته باشد، مدل پایه آن را تشخیص نمی‌دهد و پژوهشگران ناچارند جملات برهم‌کنش بین‌سطحی را برای ثبت این پیچیدگی اضافه کنند.[8]

همچنین در دسترس بودن تعداد کافی از مقاطع زمانی برای محاسبه دقیق میانگین فردی ضروری است. اگر یک مطالعه پانل افراد را تنها در دو موج زمانی پایش کند، میانگین به شدت در برابر خطای اندازه‌گیری هر یک از موج‌ها آسیب‌پذیر شده و نمرات انحراف بعدی را دچار سوگیری می‌کند.[6]

اتکاپذیری برآورد بین‌فردی نیز بستگی مستقیمی به حجم نمونه در سطح خوشه‌ها دارد. پژوهشی که ده بیمار را ظرف پنجاه روز رصد می‌کند، دقت درون‌فردی فوق‌العاده‌ای دارد اما فاقد توان آماری کافی برای نتیجه‌گیری درباره تفاوت‌های پایه بین خود بیماران است.[5]

در نقطه مقابل، پیمایشی با ده هزار نفر که تنها در دو مقطع سنجیده شده‌اند، توان عظیمی برای مقایسه‌های پایه فراهم می‌کند اما شواهد ضعیفی از مسیر تکامل فردی ارائه می‌دهد. مدل خطی آمیخته از پژوهشگر می‌خواهد میان این دو بعد توازن آماری برقرار کند.[1]

پیاده‌سازی تفکیک در تحلیل

علیرغم این ملاحظات، تفکیک اثرات به یک استاندارد بنیادین در تحلیل داده‌های طولی بدل شده است. بسته‌های نرم‌افزاری مدرن آماری امروزه توابع خودکاری برای مرکزسازی حول میانگین فرد دارند تا احتمال خطای محاسباتی دستی را کاهش دهند.[4]

گزینش میان مدل اثرات ثابت صلب و مدل آمیخته متمرکز، نهایتاً به پرسش پژوهش گره خورده است. اگر مقصود صرفاً برآورد علّی یک متغیر وابسته به زمان باشد، مدل اثرات ثابت کلاسیک همچنان قدرتمند و از نظر محاسباتی ساده‌تر است.[2]

اما چنانچه تحلیل مستلزم درک متغیرهای زمینه‌ای باشد—برای مثال بررسی اینکه بودجه یک مدرسه چگونه مسیر پیشرفت تحصیلی دانش‌آموز را شکل می‌دهد—مدل آمیخته متمرکز اجتناب‌ناپذیر است؛ چراکه تنها بستری است که بافتار محیطی و دگرگونی فردی را توأمان ارزیابی می‌کند.[3]

با رشد حجم مجموعه‌های طولی و پایش هزاران نفر در گذر چند دهه، خطر مغالطه بوم‌شناختی اوج می‌گیرد. مدلی که تفاوت‌های پایه یک نسل را با فرایند پیری یک فرد خلط کند، ناگزیر نتایجی گمراه‌کننده تولید خواهد کرد.[1]

با جداسازی آگاهانه مسیر درون‌فردی از خط پایه بین‌فردی، اطمینان حاصل می‌شود که مدل‌ها ساختار واقعی دگرگونی‌های انسانی را نشان می‌دهند. ساختار ریاضی سرانجام با این واقعیت منطبق می‌شود که آدمیان همان‌قدر که در گذر زمان دگرگون می‌شوند، با یکدیگر نیز تفاوت بنیادین دارند.[5]

اجماع روش‌شناختی امروز حکم می‌کند که هر تحلیل روی داده‌های پانل، باید شیوه مدیریت این دو سطح از واریانس را مستند سازد. یکسان پنداشتن پیش‌فرض این دو اثر، دیگر در پژوهش‌های کمی داوری‌شده جایگاهی ندارد.[8]