روش رگرسیون متغیر ابزاری یا Instrumental variable
در ارزیابی مداخلات، معمولاً می‌خواهیم بدانیم که آیا تغییر مشاهده‌شده در پیامد واقعاً ناشی از مداخله بوده است یا عوامل دیگری آن را ایجاد کرده‌اند. وقتی مشارکت در مداخله تصادفی نیست و افرادی که وارد برنامه می‌شوند با افرادی که وارد نمی‌شوند تفاوت‌های نظام‌مند دارند، مقایسه ساده دو گروه می‌تواند به نتیجه‌ای گمراه‌کننده منجر شود. رگرسیون متغیر ابزاری (Instrumental Variable Regression یا IV) یکی از روش‌هایی است که برای مواجهه با این مسئله در تحلیل‌های کمی به‌کار می‌رود.
رگرسیون متغیر ابزاری چیست؟
رگرسیون متغیر ابزاری یک روش اقتصادسنجی برای تخمین رابطه علّی میان یک مداخله و یک پیامد است. در این روش، به‌جای آنکه مستقیماً رابطه میان مشارکت در مداخله و پیامد را برآورد کنیم، از متغیر سومی به نام «ابزار» استفاده می‌کنیم. ابزار متغیری است که بر احتمال مشارکت در مداخله اثر می‌گذارد، اما مسیر مستقلی برای اثرگذاری بر پیامد ندارد. به بیان دیگر، ابزار فقط از طریق تغییر دادن احتمال مشارکت، بر پیامد اثر می‌گذارد.
هدف اصلی این روش، حذف سوگیری ناشی از «متغیرهای حذف‌شده» یا «عوامل مخدوش‌کننده» است؛ عواملی که هم بر مشارکت و هم بر پیامد اثر می‌گذارند اما در تحلیل قابل مشاهده یا اندازه‌گیری نیستند. رگرسیون متغیر ابزاری به ارزیاب کمک می‌کند تا به این سؤال پاسخ دهد: «اگر مشارکت در مداخله را فقط به‌واسطه همان ابزار تغییر دهیم، چه تغییری در پیامد رخ می‌دهد؟»
در حالت متداولِ ابزار و مشارکت دودویی، با مفروضات مشخص می‌توان اثر متوسط محلی برای «تبعیت‌کنندگان» (LATE) را شناسایی کرد. همهٔ برآوردهای IV خودکار LATE نیستند؛ نوع ابزار، ناهمگنی اثر و مدل در تفسیر برآورد نقش دارند.
این روش چه مسئله‌ای را در ارزیابی حل می‌کند؟
مسئله اصلی که رگرسیون متغیر ابزاری به آن پاسخ می‌دهد، «درون‌زایی» (Endogeneity) متغیر مداخله است. در بسیاری از برنامه‌ها، مشارکت افراد یا واحدها در مداخله تصادفی نیست و به ویژگی‌هایی وابسته است که ممکن است بر پیامد نیز اثر بگذارند. برای مثال، فرض کنید یک برنامه آموزشی برای کارکنان سازمان‌ها اجرا می‌شود و می‌خواهیم اثر آن را بر بهره‌وری ارزیابی کنیم. اگر مدیران، کارکنانی را برای شرکت در دوره انتخاب کنند که انگیزه بالاتری دارند، آنگاه تفاوت بهره‌وری میان شرکت‌کنندگان و غیرشرکت‌کنندگان تنها به دوره آموزشی مربوط نیست، بلکه بخشی از آن ناشی از انگیزه اولیه افراد است. اگر انگیزه را اندازه‌گیری نکرده باشیم، برآورد اثر دوره دچار سوگیری می‌شود.
رگرسیون متغیر ابزاری این مسئله را با یافتن یک منبع تغییر در مشارکت حل می‌کند که مستقل از انگیزه و دیگر ویژگی‌های فردی مؤثر بر پیامد باشد. به این ترتیب، تغییری که ابزار در مشارکت ایجاد می‌کند، تا حد امکان «تصادفی‌گونه» است و می‌توان از آن برای استنباط اثر علّی استفاده کرد. این روش زمانی ارزشمند می‌شود که اجرای آزمایش تصادفی ممکن نباشد، اما یک ابزار معتبر در دسترس باشد.
چه زمانی از این روش استفاده کنیم؟
رگرسیون متغیر ابزاری برای همه شرایط ارزیابی مناسب نیست. استفاده از آن زمانی منطقی است که:
دریافت واقعی مداخله با عوامل اثرگذار بر پیامد مرتبط است؛ این مسئله حتی در آزمایش با تخصیص تصادفی و عدم تبعیت از تخصیص نیز ممکن است مطرح باشد.
برخی از عوامل مؤثر بر مشارکت و پیامد قابل اندازه‌گیری نیستند یا از آن‌ها داده‌ای در دسترس نیست.
یک متغیر ابزاری معتبر وجود دارد که می‌توان آن را شناسایی و توجیه کرد.
پرسش ارزیابی به برآورد اثر علّی مداخله بر پیامد مربوط است، نه صرفاً توصیف همبستگی.
داده‌های کمی برای متغیر پیامد، متغیر مداخله و متغیر ابزار در دسترس است.
موارد زیر پیوند مسئلهٔ ارزیابی و تناسب روش متغیر ابزاری را نشان می‌دهند:
انتخاب بر پایهٔ ویژگی مشاهده‌نشده، مشارکت داوطلبانه یا هدف‌گیری مناطق محروم: ابزار معتبر ممکن است تغییر برون‌زایی فراهم کند، اما ویژگی مسئله به‌خودی‌خود وجود ابزار را ثابت نمی‌کند.
مخدوش‌کننده‌های مشاهده‌شده و کافی: روش کنترل یا طراحی ساده‌تر ممکن است پاسخ‌گو باشد؛ این وضعیت استفاده از IV را مطلقاً ممنوع نمی‌کند و انتخاب به برآورد هدف و مفروضات بستگی دارد.
نبود ابزار معتبر: IV راه میان‌بری برای حل درون‌زایی نیست؛ باید طرح دیگری انتخاب کرد یا محدودیت استنباط را پذیرفت.
ارتباط روش با نظریه تغییر
رگرسیون متغیر ابزاری ذاتاً یک روش مبتنی بر نظریه تغییر نیست؛ این روش برای آزمودن سازوکارها یا مسیرهای اثرگذاری طراحی نشده است. کارکرد این کاربرد، برآورد یک اثر علّیِ تعریف‌شده تحت مفروضات ابزار است؛ «اثر کلی برای همه» تضمین نمی‌شود. با این حال، ارتباط آن با نظریه تغییر را می‌توان از دو جهت در نظر گرفت.
برای تفسیر کاربردی برآورد، روشن‌کردن منطق برنامه و نظریهٔ تغییر می‌تواند مفید باشد؛ اعتبار شناسایی IV به مفروضات ابزار و طراحی وابسته است. اگر نظریه تغییر فرض می‌کند که مداخله از طریق یک مسیر مشخص بر پیامد اثر می‌گذارد، رگرسیون متغیر ابزاری معمولاً نمی‌تواند این مسیر را تأیید یا رد کند؛ بررسی مسیرهای میانجی به طرح و مفروضات شناسایی بیشتری نیاز دارد؛ داشتن ابزاری برای هر مرحله به‌تنهایی کافی نیست. بنابراین، این روش بیشتر به سؤال «آیا مداخله اثر دارد؟» پاسخ می‌دهد تا سؤال «چرا و از چه مسیری اثر دارد؟».
دوم، در برخی موارد می‌توان از ابزار برای تغییر دادن یک مؤلفه خاص از مسیر نظریه تغییر استفاده کرد. برای مثال، اگر نظریه تغییر می‌گوید که دسترسی به آموزش باعث افزایش مهارت و سپس افزایش اشتغال می‌شود، می‌توان ابزاری یافت که فقط دسترسی به آموزش را تغییر دهد و اثر آن را بر مهارت و اشتغال بررسی کرد. با این حال، تحلیل سازوکار به طراحی و شواهد متناسب نیاز دارد؛ این شواهد می‌توانند کمی، کیفی یا ترکیبی باشند. بنابراین، رگرسیون متغیر ابزاری را باید به‌عنوان یک روش مکمل برای برآورد اثر، نه جایگزینی برای ارزیابی مبتنی بر نظریه، در نظر گرفت.
چگونه از این روش استفاده کنیم؟
استفاده از رگرسیون متغیر ابزاری مستلزم طی چند مرحله مشخص است. اگرچه جزئیات فنی به مدل و داده بستگی دارد، منطق کلی به این شرح است:
تعریف دقیق سؤال ارزیابی: مشخص کنید که اثر کدام مداخله بر کدام پیامد مورد نظر است و دوره زمانی تحلیل چیست.
شناسایی مسئله درون‌زایی: بررسی کنید که آیا مشارکت در مداخله با عوامل مشاهده‌نشده‌ای مرتبط است که بر پیامد نیز اثر می‌گذارند.
یافتن متغیر ابزاری: به‌دنبال متغیری بگردید که بر مشارکت اثر بگذارد، اما جز از مسیر تغییر دریافت مداخلهٔ تعریف‌شده بر پیامد اثر نگذارد و با عوامل مخدوش‌کننده نیز همبسته نباشد.
تفکیک قدرت از اعتبار ابزار: ارتباط ابزار با مداخله را در مرحلهٔ اول، با تشخیص‌های متناسب با مدل و خطای استاندارد بررسی کنید. شرط استقلال ابزار و شرط حذف به استدلال طراحی و زمینه وابسته‌اند؛ قوی بودن مرحلهٔ اول، آن‌ها را ثابت نمی‌کند.
برآورد مدل: روش متناسب، مانند حداقل مربعات دومرحله‌ای (2SLS)، را با نرم‌افزار و برآورد عدم‌قطعیت معتبر اجرا کنید. اجرای دستی دو رگرسیون و استفاده از خطای استاندارد معمول مرحلهٔ دوم، لزوماً استنباط درست نمی‌دهد.
تفسیر برآورد هدف: در حالت ابزار و مشارکت دودویی، تفسیر LATE علاوه بر ارتباط، استقلال و حذف، به یکنوایی و مفروضات مناسب دربارهٔ مداخله و تداخل وابسته است. یکنوایی یعنی تغییر ابزار در جهت تشویق، هیچ فردی را به دریافت کمتر مداخله وادار نکند. اثر، مربوط به کسانی است که دریافتشان با ابزار تغییر می‌کند و تعمیم آن به بقیه نیازمند شواهد است.
تحلیل حساسیت: بررسی کنید که نتیجه تا چه حد به انتخاب ابزار و فرض‌های مدل حساس است.
شواهد موردنیاز
برای اجرای رگرسیون متغیر ابزاری به داده‌های کمی در سطح واحد تحلیل نیاز است: متغیر پیامد، متغیر مداخله و متغیر ابزار. داده‌ها می‌توانند از منابع اداری، پیمایش‌ها یا ثبت‌های برنامه به دست آیند. کیفیت داده‌ها اهمیت بالایی دارد؛ خطای اندازه‌گیری در متغیر مداخله یا ابزار می‌تواند برآوردها را دچار تضعیف یا سوگیری کند.
مهم‌ترین نیاز روش، شواهدی است که اعتبار ابزار را نشان دهد. ارزیاب باید بتواند استدلال کند که ابزار بر پیامد اثر مستقیم ندارد. این استدلال معمولاً بر پایه دانش زمینه‌ای و نظری است، نه صرفاً بر پایه آزمون‌های آماری. اگر ابزار ضعیف باشد یا شرط حذف نقض شود، نتایج رگرسیون متغیر ابزاری می‌تواند حتی از برآوردهای معمولی نیز گمراه‌کننده‌تر باشد. همچنین باید به شواهد متناقض یا تردید در مورد توضیحات جایگزین توجه کرد و آن‌ها را در تحلیل حساسیت لحاظ نمود.
مثال کاربردی
فرض کنید یک برنامه توسعه مهارت‌های شغلی در چند شهر اجرا شده است و هدف آن افزایش اشتغال جوانان است. مشارکت در برنامه داوطلبانه بوده و ارزیاب می‌خواهد بداند آیا این برنامه واقعاً باعث افزایش اشتغال شده است. مشکل اینجاست که جوانانی که انگیزه بیشتری دارند، هم احتمال بیشتری دارد در برنامه ثبت‌نام کنند و هم احتمال بیشتری دارد بعداً شغل پیدا کنند. اگر انگیزه در داده‌ها ثبت نشده باشد، مقایسه ساده نرخ اشتغال میان شرکت‌کنندگان و غیرشرکت‌کنندگان اثر برنامه را بیش از حد واقعی نشان می‌دهد.
در این مثال فرضی، «فاصلهٔ محل سکونت تا مرکز آموزش» فقط نامزد ابزار است و اعتبار آن باید بررسی شود. منطق این انتخاب آن است که افرادی که نزدیک‌تر به مرکز زندگی می‌کنند، به دلیل هزینه کمتر رفت‌وآمد، احتمال بیشتری برای شرکت در برنامه دارند. اما نزدیک بودن به مرکز ممکن است با بازار کار، دسترسی به حمل‌ونقل، انتخاب محل سکونت یا محرومیت مرتبط باشد و از مسیر دیگری بر اشتغال اثر بگذارد. بنابراین استقلال و شرط حذف را نمی‌توان از نام متغیر نتیجه گرفت. اگر این مسیرها توجیه یا رفع نشوند، این نامزد ابزار معتبر نیست.
برای ابزار فاصلهٔ پیوسته، دامنهٔ تغییر و مدل باید روشن باشد؛ تعبیر دودویی «اگر نزدیک نبودند شرکت نمی‌کردند» را نمی‌توان بدون تعریف و مفروضات مربوط بر هر برآورد تحمیل کرد. این مثال داده یا خروجی برآورد ندارد و هیچ اثر برنامه‌ای محاسبه نشده است. این مثال فرضی است و هدف آن صرفاً نشان دادن منطق کاربرد روش است، نه ارائه یک یافته قطعی درباره اثربخشی برنامه.
مزایای رگرسیون متغیر ابزاری
در شرایطی که اجرای آزمایش تصادفی ممکن نیست، می‌تواند برآوردی از اثر علّی ارائه دهد.
می‌تواند سوگیری ناشی از متغیرهای مخدوش‌کننده مشاهده‌نشده را کاهش دهد، برخلاف روش‌های کنترل آماری که فقط عوامل مشاهده‌شده را در نظر می‌گیرند.
با تکیه بر تغییرات بیرونی در مشارکت، امکان تفکیک اثر مداخله از ویژگی‌های فردی را فراهم می‌کند.
می‌تواند برای طیف وسیعی از مداخلات اجتماعی، اقتصادی و برنامه‌های دولتی به‌کار رود، به‌شرط آنکه ابزار معتبر در دسترس باشد.
محدودیت‌ها و خطاهای رایج
مهم‌ترین محدودیت رگرسیون متغیر ابزاری، وابستگی شدید آن به یافتن یک ابزار معتبر است. ابزار باید بر مشارکت اثر بگذارد، اما جز از مسیر تغییر دریافت مداخلهٔ تعریف‌شده بر پیامد اثر نگذارد و با عوامل مخدوش‌کننده نیز همبسته نباشد. این سه شرط را معمولاً نمی‌توان به‌طور کامل با داده‌ها آزمود؛ به‌ویژه شرط حذف که مستلزم استدلال نظری قوی است. اگر ابزار نامعتبر باشد، برآورد حاصل می‌تواند حتی از برآورد معمولی نیز سوگیری بیشتری داشته باشد.
در کاربرد دودویی و با مفروضات LATE، برآورد به تبعیت‌کنندگان مربوط است؛ این گروه با همهٔ شرکت‌کنندگان یا گروهی که صرفاً «ابزار را می‌پذیرند» یکسان نیست. در ابزارهای چندمقداری یا پیوسته، تفسیر به ساختار مدل و وزن‌گذاری اثرها وابسته است.
سومین محدودیت، حساسیت به کیفیت داده‌هاست. وجود خطای اندازه‌گیری در ابزار یا مداخله می‌تواند برآوردها را تضعیف کند. ابزار ضعیف می‌تواند برآورد و فاصله‌های اطمینان متعارف را گمراه کند؛ صرف بزرگ کردن نمونه یا عبور از یک آستانهٔ عمومیِ آمارهٔ F، تضمین اعتبار نیست. افزون بر این، رگرسیون متغیر ابزاری به‌تنهایی سازوکار اثرگذاری را توضیح نمی‌دهد و نمی‌تواند پاسخ دهد که مداخله از چه مسیری اثر می‌کند؛ اگر پرسش شامل چرایی اثر است، شواهد جداگانه دربارهٔ سازوکار نیز لازم است.
مقایسه با روش‌های مشابه
رگرسیون متغیر ابزاری را می‌توان با روش‌های دیگری که برای استنباط علّی در داده‌های مشاهده‌ای به‌کار می‌روند مقایسه کرد:
آزمایش تصادفی: تخصیص تصادفی، مقایسهٔ اثر تخصیص را پشتیبانی می‌کند؛ توازن به‌طور متوسط است و ریزش، عدم تبعیت و سرریز همچنان مهم‌اند. برای دریافت واقعی مداخله گاهی IV مکمل تحلیل آزمایش است.
IV: از تغییر ناشی از ابزار معتبر برای برآورد اثر تعریف‌شده استفاده می‌کند؛ دشواری اصلی توجیه ابزار و دامنهٔ تفسیر است.
همتاسازی با نمرهٔ گرایش: متغیرهای پیش از مداخلهٔ مشاهده‌شده را متعادل می‌کند؛ مخدوش‌سازی مشاهده‌نشده را خودکار رفع نمی‌کند.
ناپیوستگی رگرسیون: از قاعدهٔ آستانه با مفروضات پیوستگی و نبود دستکاری بهره می‌گیرد؛ اثر معمولاً محلی نزدیک آستانه است.
تفاوت در اختلافات: تغییر گروه مداخله و مقایسه را تحت فرض روندهای موازیِ خلاف‌واقع مقایسه می‌کند.
جمع‌بندی
رگرسیون متغیر ابزاری ابزاری ارزشمند برای برآورد اثر علّی مداخله در شرایطی است که سوگیری انتخاب ناشی از متغیرهای مشاهده‌نشده وجود دارد. این روش با استفاده از یک متغیر بیرونی که بر مشارکت اثر می‌گذارد، مسیر مستقلی برای شناسایی اثر فراهم می‌کند. با این حال، اعتبار نتیجه کاملاً به کیفیت ابزار وابسته است و تفسیر آن نیز باید با توجه به ماهیت موضعی برآورد انجام شود. مهم‌ترین محدودیت آن، دشواری یافتن و توجیه ابزار معتبر است. هنگام انتخاب این روش، ارزیاب باید به‌دقت بررسی کند که آیا ابزار واقعاً شرط حذف را برآورده می‌کند و آیا اثر موضعی به‌دست‌آمده با پرسش سیاستی او هماهنگ است یا خیر.
منابع روش‌شناختی
Angrist, Imbens & Rubin (1996)، Identification of Causal Effects Using Instrumental Variables. DOI: 10.1080/01621459.1996.10476902؛ استفاده از چکیدهٔ مقاله.
Angrist & Imbens، Identification and Estimation of Local Average Treatment Effects، NBER Technical Working Paper 0118؛ شرایط و دامنهٔ تفسیر اثر محلی، بر اساس چکیدهٔ نویسندگان.
J-PAL، Data analysis، بخش عدم تبعیت و LATE؛ یکنوایی، شرط حذف و تفسیر تبعیت‌کنندگان.
Staiger & Stock، Instrumental Variables Regression with Weak Instruments، NBER t0151؛ چکیدهٔ نویسندگان.
StataCorp، Two-stage least-squares regression FAQ؛ خطای استاندارد در اجرای دستی دومرحله‌ای.