مدل‌سازی مدت زمان و رویکرد زمان‌بندی رویدادها
مقدمه
در بسیاری از مداخله‌ها، پرسش اصلی ارزیاب این نیست که «آیا تغییری رخ داده است»، بلکه این است که «تغییر چه زمانی رخ می‌دهد و این زمان‌بندی چه چیزی درباره اثر مداخله به ما می‌گوید». وقتی زمان وقوع پیامد با زمان مشارکت در مداخله درهم می‌آمیزد و هم‌زمان عواملی مانند انگیزه یا توانمندی فردی هم در انتخاب مشارکت و هم در نتیجه اثر دارند، روش‌های معمولِ مقایسه گروه‌ها ممکن است تصویری نادقیق ارائه کنند. تحلیل مدت زمان (Duration Modeling) خانواده‌ای از روش‌های تحلیل زمان تا رویداد است. این مقاله پس از تعریف این خانواده، بر کاربرد تخصصی «زمان‌بندی رویدادها» (Timing of Events) برای ارزیابی مداخله تمرکز دارد؛ این دو اصطلاح مترادف کامل نیستند.
مدل‌سازی مدت زمان چیست؟
مدل‌سازی مدت زمان رویکردی آماری است که به تحلیل فاصله زمانی تا وقوع یک رویداد مشخص می‌پردازد؛ رویدادی مانند یافتن شغل، خروج از برنامه حمایتی، بازگشت به تحصیل یا وقوع یک تغییر وضعیت مشخص. در رویکرد زمان‌بندی رویدادها، فرایند زمان تا شروع مداخله و زمان تا پیامد، از مبدأ مناسبی مانند شروع بیکاری، به‌طور مشترک مدل‌سازی می‌شوند. این کار فقط تحلیل «مدت مشارکت و زمان پس از آن» نیست. مدل‌های مدت زمان عادی نیز الزاماً مشترک یا علّی نیستند.
خروجی تحلیل مدت زمان می‌تواند منحنی بقا، نرخ وقوع رویداد یا رابطهٔ ویژگی‌ها با زمان باشد. در مدل علّیِ زمان‌بندی رویدادها، تفسیر اثر مداخله علاوه بر داده به مفروضات شناسایی نیاز دارد؛ افزودن یک متغیر مداخله به مدل بقا به‌تنهایی علیت نمی‌سازد. سؤال محوری آن نیز از جنس «چه مدت پس از مشارکت، پیامد مورد انتظار رخ می‌دهد و آیا این زمان‌بندی با اثر واقعی مداخله سازگار است» شکل می‌گیرد. شواهد موردنیاز در این روش عمدتاً داده‌های زمانیِ وقایع یا داده‌های وضعیت-زمان هستند که گذار افراد میان حالت‌های مختلف را ثبت می‌کنند.
کاربرد علّیِ زمان‌بندی رویدادها چه مسئله‌ای را بررسی می‌کند؟
از این بخش، منظور از روش، کاربرد علّیِ زمان‌بندی رویدادهاست؛ ویژگی‌های این مدل تخصصی را نباید به همهٔ مدل‌های مدت زمان تعمیم داد.
مسئلهٔ اصلی در این کاربرد علّی، ترکیبِ دو دشواری هم‌زمان است: نخست اینکه زمان‌بندی مداخله برای همه افراد یکسان و ثابت نیست و عناصر تصادفی در آن وجود دارد؛ دوم اینکه برخی عوامل مؤثر بر مشارکت و نتیجه، مشاهده‌پذیر نیستند. وقتی فردی با انگیزه بالاتر زودتر وارد برنامه می‌شود و همچنین سریع‌تر شغل پیدا می‌کند، مقایسه ساده او با فردی که انگیزه کمتری دارد ممکن است تفاوت‌های اولیه را با اثر برنامه درهم بیامیزد؛ جهت سوگیری بدون مفروضات بیشتر معلوم نیست. مدل مشترکِ زمان‌بندی رویدادها این امکان را می‌دهد که این همبستگی پنهان میان مشارکت و نتیجه به صراحت وارد تحلیل شود و تحت مفروضاتِ معتبر، اثر هدف شناسایی شود؛ لحاظ‌کردن یک متغیر نهفته به‌تنهایی حذف سوگیری را تضمین نمی‌کند.
در چنین شرایطی، استفاده از روش‌هایی که فقط تفاوت میانگین‌های قبل و بعد یا گروه‌های مشارکت‌کننده و غیرمشارکت‌کننده را می‌سنجند و زمان را نادیده می‌گیرند، می‌تواند گمراه‌کننده باشد. این کاربرد از آن جهت ارزشمند است که پویاییِ گذار افراد میان حالت‌ها را جدی می‌گیرد و به ارزیاب اجازه می‌دهد الگوی زمانی را به عنوان بخشی از استنباط علّی به کار گیرد.
چه زمانی از این روش استفاده کنیم؟
کاربرد علّیِ زمان‌بندی رویدادها به‌ویژه زمانی قابل بررسی است که:
- زمان‌بندی مشارکت در مداخله در میان افراد متفاوت است و خود این تفاوت معنا دارد؛
- عناصر تصادفی در زمان مشارکت وجود دارد و می‌توان آن را بر پایه عوامل مشاهده‌شده مدل کرد؛
- دلایل نظری یا تجربی قوی وجود دارد که عوامل مشاهده‌نشده‌ای هم بر مشارکت و هم بر نتیجه اثر می‌گذارند؛
- پیامد موردنظر به صورت یک گذار یا تغییر وضعیت تعریف می‌شود و داده‌های زمانی برای ثبت آن در دسترس است؛
- این فرض قابل دفاع باشد که اثر مداخله تنها پس از شروع مشارکت پدیدار می‌شود و نوعی «اثر ناشی از پیش‌بینی» وجود ندارد؛ یعنی در صورت‌بندی انتخاب‌شده، زمان دریافت آینده، پیش از شروع دریافت، پیامد بالقوه را تغییر نمی‌دهد. دانستن توزیع احتمال زمان با آگاهی و واکنش به تاریخ دقیق آینده یکی نیست.
این شروط مربوط به شناسایی اثر با رویکرد زمان‌بندی رویدادها هستند. زمان شروع ثابت یا نقض شرط آن، همهٔ روش‌های توصیفی و پیش‌بینیِ بقا را نامناسب نمی‌کند؛ طرح دیگری برای سؤال علّی لازم است.
ارتباط روش با نظریه تغییر
مدل‌سازی مدت زمان ذاتاً ابزاری برای آزمون مستقیم نظریه تغییر نیست، اما می‌تواند در کنار یک نظریه تغییر روشن به کار گرفته شود. وقتی نظریه تغییر مسیر اثرگذاری را به صورت توالی زمانی مشخص می‌کند — برای نمونه، «پس از ورود به برنامه، فرد طی چند ماه مهارت می‌آموزد و سپس وارد بازار کار می‌شود» — مدل‌سازی مدت زمان می‌تواند به بررسی تجربیِ همین زمان‌بندی کمک کند. برخلاف تحلیل مشارکت یا ردیابی فرایند که بر ادعاهای علّی و شواهد مکانیسمی تمرکز دارند، این روش به ارزیاب امکان می‌دهد فرض‌های زمانیِ نظریه تغییر را به صورت کمی بیازماید و الگوهای گذار را با انتظارات نظری مقایسه کند.
چگونه از این روش استفاده کنیم؟
کاربرد علّیِ زمان‌بندی رویدادها در ارزیابی را می‌توان در چند گام خلاصه کرد:
- تعریف دقیق رویدادها و حالت‌ها: مشخص کنید چه وضعیت‌هایی وجود دارد و گذار میان آن‌ها دقیقاً چه معنایی دارد؛ برای نمونه، «بیکاری» به «اشتغال»؛ قطع مزایا لزوماً یافتن شغل نیست و باید جدا ثبت شود.
- تعیین زمان‌بندی مداخله و پیامد: زمان شروع مشارکت هر فرد و زمان هر گذار وضعیتی را شناسایی و ثبت کنید.
- شناسایی عوامل مشاهده‌شده: متغیرهایی مانند سن، سابقه شغلی، سطح تحصیلات یا ویژگی‌های منطقه‌ای را که می‌توانند بر زمان‌ها اثر بگذارند مشخص کنید.
- صورت‌بندی فرض درباره عوامل مشاهده‌نشده: به صراحت بپذیرید که عواملی مانند انگیزه یا توانمندی فردی احتمالاً هم بر مشارکت و هم بر نتیجه اثر می‌گذارند و مشخص کنید این ارتباط چگونه در مدل وارد می‌شود.
- مدل‌سازی مشترک زمان مشارکت و زمان پیامد: دو فرایند زمانی را به گونه‌ای به هم پیوند دهید که همبستگی عوامل مشاهده‌نشده میان آن‌ها لحاظ شود.
- بررسی فرض نبود اثر پیش‌بینی: بررسی کنید آیا پیامد بالقوهٔ پیش از دریافت، به زمان واقعیِ دریافت مداخله در آینده وابسته است؛ چنین وابستگی‌ای با فرض نبود پیش‌دستی ناسازگار است و به بازنگری مدل یا طرح نیاز دارد. آگاهی از وجود سیاست یا توزیع احتمالی زمان دریافت، به‌تنهایی این فرض را نقض نمی‌کند.
- تحلیل نتایج و استنباط درباره اثر مداخله: خروجی مدل را برای پاسخ به سؤال ارزیابی تفسیر کنید و دقت کنید که نتیجه به معنای تخمینی مشروط و مدل‌محور از اثر علّی است، نه اثبات قطعی رابطه علی.
سانسور، مبدأ زمان و نرخ رویداد
اگر تا پایان پیگیری فرد هنوز شغل پیدا نکرده، زمان او صفر یا زمان وقوع رویداد نیست؛ مشاهده از راست سانسور شده است. مبدأ، زمان پیگیری و شاخص وقوع باید جدا ثبت شوند. خروج از مطالعه، ورود دیرهنگام و رویدادهای رقیب نیز ممکن است تحلیل متناسب بخواهند.
نرخ مخاطره، آهنگ وقوع رویداد در میان کسانی است که تا آن زمان هنوز رویداد را تجربه نکرده‌اند؛ با احتمال تجمعی یا میانگین زمان یکی نیست. نسبت مخاطره نیز به‌خودی‌خود نسبت احتمال اشتغال یا درصد کاهش مدت بیکاری نیست.
شناسایی در مدل زمان‌بندی رویدادها فقط بر شرط نبود پیش‌دستی متکی نیست. ساختار نرخ‌ها و ناهمگنیِ نهفته، شکل اثر، کیفیت ثبت و سازوکار سانسور باید توجیه شوند؛ فرض‌های هر مدل باید از نتیجهٔ خاصِ شناسایی همان مدل بررسی شوند. شرط استقلال سانسور با توجه به متغیرهای مدل، اگر روش به آن متکی است، نیز باید بررسی شود.
شواهد موردنیاز
این روش به داده‌های زمانی دقیق نیاز دارد؛ داده‌هایی که زمان شروع و پایان هر حالت را برای هر فرد ثبت کرده باشند. برای مثال، تاریخ ورود به برنامه، تاریخ قطع مزایا، تاریخ اشتغال و تاریخ خروج از بازار کار. کیفیت داده‌ها در این روش اهمیت بسیاری دارد: داده‌های ناقص درباره زمان رویدادها یا ثبت نامنظم گذارها می‌تواند تخمین‌ها را به شدت تحت تأثیر قرار دهد. شواهد در این روش عمدتاً کمی هستند، اما شواهد کیفی درباره زمینه مداخله و دلایل تغییر وضعیت می‌توانند به تفسیر نتایج کمک کنند. اگر داده‌ها نشانه‌هایی از الگوهای متناقض یا گذارهای غیرمنتظره دارند، باید آن‌ها را نه به عنوان نویز، بلکه با بررسی خطای ثبت، تعریف رویداد و توضیح‌های زمینه‌ای تحلیل کرد و در تفسیر لحاظ نمود.
مثال کاربردی
کاهش مزایای بیمهٔ بیکاری پس از عدم رعایت الزامات، نمونه‌ای از کاربرد این خانواده است. Abbring، van den Berg و van Ours در مقالهٔ سال ۲۰۰۵ دربارهٔ هلند، زمان اعمال کاهش مزایا و گذار از بیکاری به اشتغال را با داده‌های اداری بررسی کرده‌اند. این راهنما فقط چکیده و مشخصات آن مطالعه را بررسی کرده است؛ اندازهٔ اثر یا جزئیات برآورد آن در اینجا بازتولید نمی‌شود.
برای فهم منطق، فرض کنید زمان جریمه برای افراد متفاوت است و عواملی مانند انگیزه بر هر دو فرایند اثر دارند. زمان شروع بیکاری، زمان جریمه و زمان اشتغال باید جدا ثبت شوند. مدل مشترک می‌تواند وابستگی دو فرایند را صورت‌بندی کند؛ اعتبار اثر به مفروضات آن وابسته است. صرف آنکه یافتن شغل پس از جریمه رخ داده، اثر جریمه را ثابت نمی‌کند. این توضیح یک سناریوی آموزشی است و خروجی محاسبه‌شده ندارد.
جدول مسئله → تصمیم
| مسئله ارزیابی | سؤال اصلی | این روش چه کمکی می‌کند؟ | چه نوع شواهدی لازم است؟ | تصمیم/نتیجه |
|---|---|---|---|---|
| اثر مداخله با عوامل مشاهده‌نشده مانند انگیزه درهم می‌آمیزد | آیا می‌توان اثر علّی مداخله را با وجود این عوامل برآورد کرد؟ | با مدل‌سازی مشترک زمان مشارکت و زمان پیامد، همبستگی پنهان میان آن‌ها را در تحلیل لحاظ می‌کند | داده‌های زمانی دقیق از شروع مشارکت و وقوع پیامد | برآورد اثر هدف، مشروط به شناسایی و مفروضات مدل |
| زمان‌بندی مداخله برای همه یکسان نیست | آیا تغییرات زمانی در مشارکت معنا دارد و قابل تحلیل است؟ | زمان را به عنوان بخشی اصلی از مدل وارد می‌کند و الگوهای گذار را تحلیل می‌نماید | داده‌های زمان شروع و پایان حالت‌ها برای هر فرد | درکی پویا از نحوه اثرگذاری مداخله |
| نمی‌دانیم اثر مداخله چه زمانی بروز می‌کند | چه مدت پس از مشارکت می‌توان انتظار تغییر را داشت؟ | برآوردی از زمان‌بندی مورد انتظار تغییرات فراهم می‌آورد | داده‌های پیگیری زمانی و ثبت گذارها | برنامه‌ریزی بهتر برای پیگیری و توسعه مداخله |
ظرفیت‌های کاربرد علّیِ زمان‌بندی رویدادها
- به صراحت وجود عوامل مشاهده‌نشده مؤثر بر انتخاب مشارکت را می‌پذیرد و آن‌ها را در برآورد وارد می‌کند؛
- زمان را به عنوان بُعد تحلیلی اصلی در نظر می‌گیرد و به ارزیاب اجازه می‌دهد فرض‌های زمانی را آزمون کند؛
- می‌تواند اطلاعاتی درباره زمان مورد انتظار بروز تغییرات ارائه دهد که برای برنامه‌ریزی مداخلات بعدی و توسعه آن‌ها ارزشمند است؛
- برای مداخلاتی که ساختار زمانی پیچیده و غیریکنواختی دارند، ابزاری مناسب فراهم می‌کند.
محدودیت‌ها و خطاهای رایج
- پیچیدگی محاسباتی این روش قابل توجه است و انجام تحلیل ممکن است زمان‌بر و پرهزینه باشد؛
- رویکرد علّیِ زمان‌بندی رویدادها در صورت‌بندی مورد بحث بر فرض نبود اثر پیش‌دستی استوار است؛ اگر پیامد بالقوهٔ پیش از دریافت به زمان واقعیِ دریافت در آینده وابسته باشد، این فرض نقض می‌شود. اثر پیشینیِ وجود سیاست با این شرط یکی نیست و باید جدا تعریف شود؛
- کیفیت داده‌های زمانی اهمیت تعیین‌کننده دارد؛ داده‌های ناقص یا نامنظم می‌توانند نتایج را به شدت منحرف کنند؛
- تفسیر نتایج به ساختار نرخ‌ها، ناهمگنی نهفته و، در برخی برآوردها، فرض‌های توزیعی وابسته است و می‌تواند میان تحلیلگران متفاوت باشد؛
- این روش خود یک چارچوب کامل ارزیابی نیست، بلکه یک ابزار تحلیلی است و برای پاسخ به پرسش‌های علّیِ مشخص و با داده‌های مناسب به کار می‌رود.
مقایسه با روش‌های مشابه
| روش | سؤال اصلی | نقطه قوت | محدودیت اصلی | چه زمانی مناسب‌تر است؟ |
|---|---|---|---|---|
| زمان‌بندی رویدادها در مدل مدت زمان | زمان‌بندی مشارکت و پیامد چه الگویی دارد و این الگو چه چیزی درباره اثر می‌گوید؟ | مدل‌سازی هم‌زمان زمان‌ها و لحاظ عوامل مشاهده‌نشده | پیچیدگی محاسباتی و مفروضات ساختاری نرخ‌ها و ناهمگنی نهفته؛ برخی برآوردها فرض‌های توزیعی دارند | وقتی داده‌های زمانی دقیق در دسترس است و زمان‌بندی ناهمگون است |
| تحلیل سهم مداخله (Contribution Analysis) | آیا شواهد از ادعای سهم مداخله در نتایج حمایت می‌کنند؟ | شواهد چندگانه را در یک روایت علّی ترکیب می‌کند | به شدت به کیفیت شواهد و دقت ارزیاب وابسته است | وقتی پیچیدگی بالاست و داده‌های کمی کافی نیست |
| ردیابی فرایند (Process Tracing) | آیا سازوکار علّی مفروض در یک مورد خاص عمل کرده است؟ | بررسی عمیق مکانیسم‌ها و رد توضیحات رقیب | تعمیم پذیری پایین و وابستگی به شواهد کیفی | وقتی یک یا چند مورد برای واکاوی عمیق در دسترس است |
| به‌روزرسانی بیزی (Bayesian Updating) | شواهد جدید چقدر احتمال یک فرض علی را تغییر می‌دهند؟ | به‌روزرسانی نظام‌مند باورها با شواهد | وابسته به تعیین احتمال‌های اولیه و کیفیت شواهد | وقتی شواهد به تدریج و از منابع مختلف به دست می‌آیند |
جمع‌بندی
در کاربرد علّیِ زمان‌بندی رویدادها از خانوادهٔ مدل‌های مدت زمان، زمان شروع مداخله و زمان وقوع پیامد هر دو معنا دارند و عوامل مشاهده‌نشده‌ای بر هر دو اثر می‌گذارند. این روش با مدل‌سازی مشترکِ این زمان‌ها، تحت مفروضات معتبر، امکان بررسی اثر علّی را فراهم می‌آورد و می‌تواند اطلاعاتی درباره زمان مورد انتظار بروز تغییرات ارائه دهد. با این حال، پیچیدگی محاسباتی و مفروضات ساختاری و برآوردی آن باید بررسی شوند و اعتبار نتایج به کیفیت داده‌های زمانی و دفاع‌پذیری فرض نبود اثر پیش‌بینی وابسته است. ارزیاب پیش از انتخاب این روش باید از کافی بودن داده‌ها، تناسب سؤال ارزیابی و قابل قبول بودن فرض‌های اساسی اطمینان یابد و به یاد داشته باشد که نتیجه نهایی همچنان یک تخمین مدل‌محور است، نه اثبات قطعی علیت.
منابع روش‌شناختی
- Abbring, J. H. & van den Berg, G. J. (2003). The Nonparametric Identification of Treatment Effects in Duration Models. Econometrica, 71(5), 1491–1517. DOI: 10.1111/1468-0262.00456.
- Abbring, J. H., van den Berg, G. J. & van Ours, J. C. (2005). The Effect of Unemployment Insurance Sanctions on the Transition Rate from Unemployment to Employment. Economic Journal, 115(505), 602–630. DOI: 10.1111/j.1468-0297.2005.01011.x. استناد این راهنما به چکیده محدود است.
- مستندات رسمی R، بستهٔ survival، راهنمای Surv و survfit؛ تعریف زمان و شاخص رویداد و سانسور.