فهم الخلط
المقارنة التي يلجأ إليها الجميع هي بين من تلقّى العلاج ومن لم يتلقّه. وهي تجيب عن السؤال السببي فقط إذا كانت المجموعتان متشابهتين فيما عدا ذلك، وهما في الغالب ليستا كذلك، لأنّ شيئاً ما قرّر من يتلقّاه. فإذا كان ذلك الشيء يؤثّر في النتيجة أيضاً، تلوّثت المقارنة به.
وتظهر الآليّة أوضح ما تكون حين تنقلب الأرقام. لنفترض أنّ علاجاً يرفع الشفاء من 0.350 إلى 0.400 في الحالات الشديدة، ومن 0.650 إلى 0.700 في الخفيفة - خمس نقاط بالضبط في كلٍّ منهما. وإجمالاً يشفى المعالَجون 0.500 مقابل 0.550 لغير المعالَجين، فيبدو العلاج ضارّاً. ولا خطأ في الحساب: ثلثا المعالَجين كانوا شديدين مقابل ثلث غير المعالَجين، فالرقم الإجمالي يقارن تركيبات.
والإصلاح لعامل خلط قِسته هو التوحيد القياسي: احسب الأثر داخل كلّ طبقة، ثمّ توسّطها على توزيع مشترك واحد لعامل الخلط بدل التوزيع الذي صادف كلّ ذراع. وهنا يعطي ذلك 0.550 مقابل 0.500، أي فرقاً قدره +0.05 بالضبط - النقاط الخمس نفسها الظاهرة في كلّ طبقة، وبإشارة معاكسة لـ-0.05 الساذجة.
وتتبع ذلك نتيجتان. أولاً، الخلط ليس مشكلة عيّنة صغيرة: إنّه خاصيّة في كيفيّة نشأة البيانات، فمزيد من البيانات نفسها يضيّق مجالاً حول الرقم الخاطئ. وثانياً، لا إحصاءة تُحسب من الجدول تعلن أيّ التقديرين سببي. ذلك الحكم يأتي من الخارج، من معرفة كيف خُصّص العلاج - وهو بالضبط سبب قيمة العشوائية وسبب تجادل الدراسات الرصدية في الافتراضات لا في الحساب.
كيفية الحساب
P(Y | do(T=t)) = Σ_z P(Y | T=t, Z=z) P(Z=z) ≠ P(Y | T=t)
حيث
- T
- العلاج، وأثره هو المطلوب
- Y
- النتيجة
- Z
- عامل الخلط: سبب مشترك لـT وY
- do(T=t)
- ضبط العلاج بالتدخّل لا برصده
مثال على الخلط
الحالات الشديدة: يشفى 16 من 40 معالَجاً (0.400) مقابل 7 من 20 غير معالَج (0.350). والحالات الخفيفة: يشفى 14 من 20 معالَجاً (0.700) مقابل 26 من 40 غير معالَج (0.650). فالعلاج ينفع بـ0.05 بالضبط في كلٍّ منهما.
وإجمالاً: 30 من 60 معالَجاً (0.500) مقابل 33 من 60 غير معالَج (0.550). فالفرق الساذج -0.05، والفرق الموحّد +0.05، وللاثنين إشارتان متعاكستان.
وفي عالم فائدته الحقيقية +0.1000 بالبناء، يعطي ترك التخصيص للأطبّاء بالشدّة تقديراً ساذجاً قدره -0.0800، بينما يعطي التخصيص بقطعة نقد +0.1000.
الأسئلة الشائعة
هل يقلّل التعديل على متغيّرات أكثر التحيّزَ دائماً؟
لا. فالتعديل على أثر مشترك لمتغيّرين - أي مصادم - يخلق ارتباطاً لم يكن موجوداً، والتعديل على متغيّر يقع على المسار السببي من العلاج إلى النتيجة ينزع جزءاً من الأثر الذي تحاول قياسه. وأيّ المتغيّرات نعدّل عليها سؤال عن البنية السببية لا عن البيانات.
كيف أعرف أنّ تقديري مخلوط؟
ليس من البيانات. فعالمان، أحدهما مخلوط والآخر لا، قد ينتجان جدولين متطابقين. والذي يميّزهما هو كيف خُصّص العلاج، فالسؤال النافع دائماً هو كيف تشكّلت المجموعتان.
هل الخلط هو نفسه الارتباط بلا سببية؟
إنّه سبب شائع ومهمّ له، لا السبب الوحيد. فالسببية العكسية والانتقاء في العيّنة ينتجان العَرَض نفسه، ويُصلَحان على نحو مختلف.
الخلاصة
يحوّل الخلط المقارنةَ إلى مقارنة بين مجتمعين مختلفين. وهو تحيّز لا ضجيج، فلا يزيله أيّ قدر إضافي من البيانات، وقد يقوى حتى يقلب الإشارة - ولهذا يكون سؤال «كيف تشكّلت هاتان المجموعتان؟» أنفع من أيّ فحص يُحسب من الأرقام.