روش ناپیوستگی رگرسیون یا Regression Discontinuity
مقدمه
در ارزیابی مداخلات اجتماعی، اقتصادی یا آموزشی، یکی از دشوارترین پرسشها این است که «آیا تغییر مشاهدهشده واقعاً ناشی از مداخله بوده است؟» وقتی نمیتوانیم افراد را بهصورت تصادفی به گروه مداخله و گروه کنترل تخصیص دهیم، روشهای شبهتجربی به کمک میآیند. روش ناپیوستگی رگرسیون (Regression Discontinuity Design) یکی از این روشهاست که بهویژه زمانی ارزشمند میشود که تخصیص مداخله بر اساس یک قاعده قطعی و آستانهای صورت گیرد. این روش به ارزیاب امکان میدهد بدون تصادفیسازی، تخمینی معتبر از اثر علّی مداخله برای گروهی خاص از افراد به دست آورد.
روش ناپیوستگی رگرسیون چیست؟
روش ناپیوستگی رگرسیون (Regression Discontinuity) یک طرح شبهتجربی است که در آن تخصیص افراد یا واحدها به مداخله بر اساس یک متغیر پیوسته (متغیر تخصیص) و یک آستانه از پیش تعیینشده انجام میشود. افرادی که مقدار متغیر تخصیص آنها بالاتر از آستانه باشد، مداخله را دریافت میکنند و افرادی که پایینتر از آستانه باشند، دریافت نمیکنند (یا برعکس). منطق اصلی این روش آن است که افراد بسیار نزدیک به آستانه، از نظر ویژگیهای مشاهدهشده و مشاهدهنشده، تقریباً یکسان هستند و تنها تفاوت معنادار آنها این است که آیا از آستانه عبور کردهاند یا نه. بنابراین، هر ناپیوستگی در متغیر نتیجه دقیقاً در نقطه آستانه را میتوان به اثر مداخله نسبت داد.
خروجی اصلی این روش یک تخمین کمّی از اثر مداخله برای افرادی است که در همسایگی آستانه قرار دارند. سؤال اصلی که پاسخ میدهد این است: «آیا عبور از آستانه تخصیص، تغییری معنادار در پیامد ایجاد کرده است؟»
این روش چه مسئلهای را در ارزیابی حل میکند؟
در بسیاری از برنامهها، تخصیص مداخله بر اساس یک شاخص قابل اندازهگیری مانند نمره آزمون، درآمد، سن یا شاخص نیاز صورت میگیرد. مشکل اصلی این است که مقایسه ساده دریافتکنندگان و غیردریافتکنندگان به سوگیری انتخاب میانجامد؛ زیرا دریافتکنندگان معمولاً با غیردریافتکنندگان تفاوتهای سیستماتیک دارند. برای مثال، اگر کمکهزینه تحصیلی به دانشآموزانی داده شود که نمره بالاتری کسب کردهاند، مقایسه پیشرفت تحصیلی آنها با دانشآموزانی که کمکهزینه نگرفتهاند، اثر کمکهزینه را بیش از حد واقعی نشان میدهد؛ چون این دو گروه از ابتدا از نظر توانایی متفاوت بودهاند.
روش ناپیوستگی رگرسیون این مشکل را با محدود کردن مقایسه به افرادی که دقیقاً در دو طرف آستانه قرار دارند حل میکند. این افراد از نظر متغیر تخصیص تقریباً یکساناند و تفاوت آنها صرفاً در عبور یا عدم عبور از آستانه است. در نتیجه، سوگیری انتخاب به حداقل میرسد و میتوان اثر علّی مداخله را با اعتماد بیشتری تخمین زد.
چه زمانی از روش ناپیوستگی رگرسیون استفاده کنیم؟
این روش در شرایط زیر مناسب است:
تصادفیسازی به دلایل اخلاقی، عملی یا سیاسی ممکن نیست.
یک قاعده قطعی و قابل اندازهگیری برای تخصیص مداخله وجود دارد که بر اساس یک متغیر پیوسته و یک آستانه مشخص عمل میکند.
متغیر تخصیص بهطور دقیق و بدون خطا ثبت شده است.
ارزیاب میتواند پیامد را برای افرادی در دو طرف آستانه اندازهگیری کند.
هدف اصلی، برآورد اثر مداخله برای افرادی است که در نزدیکی آستانه قرار دارند، نه تعمیم به کل جمعیت.
ارتباط روش با نظریه تغییر
روش ناپیوستگی رگرسیون ذاتاً یک روش آماری برای استنباط علّی است و ارتباط مستقیمی با نظریه تغییر (Theory of Change) به معنای کیفی آن ندارد. با این حال، میتوان از نظریه تغییر برای تعریف سازوکار اثرگذاری مداخله استفاده کرد تا مشخص شود چرا عبور از آستانه باید به تغییر در پیامد منجر شود. برای مثال، اگر برنامهای بر اساس نمره آزمون، دانشآموزان را وارد یک دوره آموزشی ویژه میکند، نظریه تغییر میگوید که این دوره از طریق افزایش تمرین و بازخورد، نمره بعدی را بهبود میبخشد. روش ناپیوستگی رگرسیون فقط وجود یک ناپیوستگی در نمره بعدی را بررسی میکند؛ اینکه این ناپیوستگی دقیقاً از کدام مکانیزم ناشی شده، نیازمند شواهد تکمیلی است. بنابراین، این روش میتواند در کنار تحلیلهای نظریهمحور به کار رود، اما خود بهتنهایی نظریه تغییر را آزمون نمیکند.
چگونه از روش ناپیوستگی رگرسیون استفاده کنیم؟
استفاده از این روش معمولاً شامل مراحل زیر است:
تعیین سؤال ارزیابی: مشخص کنید چه اثر علّیای را میخواهید برآورد کنید و پیامد اصلی چیست.
شناسایی متغیر تخصیص و آستانه: متغیری که بر اساس آن مداخله تخصیص یافته و مقدار آستانه قطعی را دقیقاً تعیین کنید.
بررسی اعتبار فرض تداوم: اطمینان حاصل کنید که بهجز خود مداخله، هیچ عامل دیگری در نقطه آستانه تغییر ناگهانی ایجاد نمیکند.
جمعآوری دادهها: دادههای مربوط به متغیر تخصیص، دریافت مداخله و متغیر نتیجه را برای نمونهای بزرگ از افراد در دو طرف آستانه گردآوری کنید.
تحلیل گرافیکی: نمودار پراکندگی متغیر نتیجه بر حسب متغیر تخصیص را رسم کنید و وجود ناپیوستگی در نقطه آستانه را بررسی کنید.
مدلسازی رگرسیونی: با استفاده از رگرسیون خطی یا چندجملهای موضعی، رابطه بین متغیر تخصیص و نتیجه را در دو طرف آستانه برآورد کنید و تفاوت در مقدار پیشبینیشده در نقطه آستانه را به عنوان اثر مداخله گزارش کنید.
آزمونهای Robustness: حساسیت نتایج را نسبت به عرض پنجره اطراف آستانه، شکل تابع رگرسیون و وجود متغیرهای کمکی بررسی کنید.
تفسیر محدود: نتیجه را به عنوان اثر موضعی برای افراد نزدیک آستانه تفسیر کنید، نه اثر متوسط برای کل جمعیت.
شواهد موردنیاز
مهمترین شواهد برای این روش عبارتاند از:
متغیر تخصیص که باید پیوسته و دقیق اندازهگیری شده باشد.
آستانه تخصیص که باید بدون ابهام و قطعی باشد.
متغیر نتیجه که باید برای همه افراد نمونه قابل اندازهگیری باشد.
دادههای کافی در نزدیکی آستانه؛ زیرا قدرت آماری به تعداد مشاهدات در پنجرههای باریک اطراف آستانه بستگی دارد.
متغیرهای پیشزمینهای برای بررسی توازن بین دو گروه در آستانه و کنترل عوامل مخدوشکننده احتمالی.
کیفیت شواهد مستقیماً بر اعتبار نتیجه اثر میگذارد. خطای اندازهگیری در متغیر تخصیص، دستکاری آستانه توسط افراد، یا وجود ناپیوستگیهای دیگر در همان نقطه میتواند استنباط را مخدوش کند.
مثال کاربردی
مثال کلاسیک که در متن اولیه نیز اشاره شده، مطالعه تأثیر بورس تحصیلی بر پیشرفت تحصیلی است. فرض کنید یک بنیاد خیریه تصمیم میگیرد به دانشآموزانی که در آزمون ورودی نمره بالاتر از ۸۰ از ۱۰۰ کسب کنند، بورسیه کامل پرداخت کند. مقایسه ساده میانگین نمرات پایان سال دانشآموزان بورسیهشده و بورسیهنشده، اثر بورسیه را بیش از حد نشان میدهد؛ زیرا گروه اول از ابتدا توانمندتر بودهاند. اما اگر فقط دانشآموزانی را مقایسه کنیم که نمره ۷۹ یا ۸۰ گرفتهاند (یعنی دقیقاً زیر و بالای آستانه)، این دو گروه از نظر توانایی بسیار شبیهاند و تنها تفاوتشان دریافت یا عدم دریافت بورسیه است. اگر در پایان سال مشاهده شود که میانگین نمره دانشآموزان با نمره ۸۰ به طور معناداری بالاتر از دانشآموزان با نمره ۷۹ است، میتوان این تفاوت را به اثر بورسیه نسبت داد.
یک مثال فرضی دیگر در حوزه سیاستگذاری شهری: شهرداری تصمیم میگیرد به محلههایی که شاخص محرومیت آنها بالاتر از یک آستانه مشخص است، بودجه ویژه برای نوسازی زیرساختها اختصاص دهد. شاخص محرومیت یک عدد پیوسته بین ۰ تا ۱۰۰ است و آستانه ۶۰ تعیین شده است. محلههای با شاخص ۵۹ و ۶۰ تقریباً از نظر وضعیت اولیه یکساناند. با مقایسه تغییر در شاخصهای کیفیت زندگی (مثلاً دسترسی به خدمات) در این دو دسته محله پس از اجرای برنامه، میتوان اثر بودجه ویژه را تخمین زد. اگر در نقطه آستانه یک جهش در بهبود شاخص کیفیت زندگی دیده شود، این شواهد به نفع اثر مداخله است.
جدول مسئله → تصمیم
مسئله ارزیابیسؤال اصلیاین روش چه کمکی میکند؟چه نوع شواهدی لازم است؟تصمیم/نتیجهنمیتوانیم افراد را تصادفی تخصیص دهیم اما یک آستانه قطعی برای تخصیص وجود دارد.آیا عبور از آستانه باعث تغییر در پیامد شده است؟با مقایسه افراد نزدیک آستانه، سوگیری انتخاب را کاهش میدهد.متغیر تخصیص پیوسته، آستانه دقیق، دادههای پیامد برای دو طرف آستانه.برآورد اثر موضعی مداخله برای افراد نزدیک آستانه.مقایسه ساده دریافتکنندگان و غیردریافتکنندگان به دلیل تفاوتهای اولیه گمراهکننده است.آیا تفاوت مشاهدهشده ناشی از مداخله است یا تفاوتهای قبلی؟با محدود کردن مقایسه به همسایگی آستانه، تفاوتهای قبلی را تقریباً حذف میکند.دادههای کافی در پنجره باریک اطراف آستانه.استنتاج علّی معتبرتر نسبت به مقایسه ساده.نیاز به ارزیابی برنامهای داریم که بر اساس معیار عینی تخصیص یافته است (مانند نمره، درآمد).اثر برنامه برای افرادی که در مرز واجد شرایط بودن هستند چیست؟دقیقاً برای این گروه مرزی تخمین میزند.اندازه نمونه کافی در نزدیکی آستانه، متغیر نتیجه قابل اعتماد.تصمیمگیری درباره ادامه یا اصلاح برنامه بر اساس اثر موضعی.
مزایا
در شرایطی که تصادفیسازی ممکن نیست، جایگزین قویتری نسبت به روشهای مبتنی بر مقایسه ساده فراهم میکند.
اگر فرض تداوم برقرار باشد، استنباط علّی نسبت به بسیاری از روشهای مشاهدهای دیگر اعتبار بالاتری دارد.
شفافیت قاعده تخصیص باعث میشود تحلیل برای مخاطبان قابل درک باشد.
میتواند از دادههای اداری یا ثبتی موجود استفاده کند و نیاز به جمعآوری داده گرانقیمت نباشد.
اثر مداخله را برای گروهی که دقیقاً در آستانه واجد شرایط بودن هستند تخمین میزند، که برای سیاستگذاران اهمیت عملی دارد.
محدودیتها و خطاهای رایج
تعمیمپذیری محدود: اثر تخمینزدهشده فقط برای افراد نزدیک آستانه معتبر است و نمیتوان آن را به کل جمعیت تعمیم داد.
فرض تداوم: روش فرض میکند که در غیاب مداخله، رابطه بین متغیر تخصیص و نتیجه در نقطه آستانه پیوسته است. اگر عوامل دیگری در همان نقطه تغییر کنند، این فرض نقض میشود.
نیاز به داده زیاد در مرز: برای داشتن توان آماری کافی، به تعداد زیادی مشاهده در نزدیکی آستانه نیاز است که همیشه در دسترس نیست.
دستکاری آستانه: اگر افراد بتوانند متغیر تخصیص خود را دستکاری کنند تا از آستانه عبور کنند، تخصیص دیگر قطعی نیست و سوگیری ایجاد میشود.
انتخاب شکل تابع رگرسیون: نتیجه میتواند به انتخاب عرض پنجره و درجه چندجملهای حساس باشد.
فقط یک ناپیوستگی را تشخیص میدهد: این روش وجود یک جهش در نقطه آستانه را نشان میدهد، اما توضیح نمیدهد که چرا این جهش رخ داده است؛ سازوکار علّی نیاز به تحلیل جداگانه دارد.
مقایسه با روشهای مشابه
روشسؤال اصلینقطه قوتمحدودیت اصلیچه زمانی مناسبتر است؟کارآزمایی تصادفی کنترلشده (RCT)آیا مداخله در شرایط ایدهآل اثر دارد؟استاندارد طلایی استنتاج علّیاغلب از نظر اخلاقی یا عملی ممکن نیستوقتی تصادفیسازی امکانپذیر باشدروش تفاوت در تفاوتها (DiD)آیا روند تغییر در گروه مداخله با گروه کنترل متفاوت است؟کنترل روندهای مشترک زمانینیاز به فرض روندهای موازی دارددادههای طولی قبل و بعد از مداخله برای دو گروه موجود باشدتطبیق امتیاز (PSM)آیا افراد مشابه از نظر ویژگیهای مشاهدهشده نتایج متفاوتی دارند؟کنترل مخدوشگرهای مشاهدهشدهنمیتواند مخدوشگرهای مشاهدهنشده را کنترل کنددادههای غنی از متغیرهای پیشزمینهای داشته باشیممتغیر ابزاری (IV)آیا یک تغییر برونزا در تخصیص بر پیامد اثر دارد؟میتواند مخدوشگرهای مشاهدهنشده را کنترل کندیافتن ابزار معتبر دشوار است وقتی یک ابزار قوی و معتبر در دسترس باشد
روش ناپیوستگی رگرسیون در مواردی که یک آستانه قطعی و مشخص وجود دارد، معمولاً از تطبیق امتیاز یا تفاوت در تفاوتها معتبرتر است، اما به شرطی که فرض تداوم برقرار باشد و دادههای کافی در مرز وجود داشته باشد.
جمعبندی
روش ناپیوستگی رگرسیون ابزاری قدرتمند برای ارزیابی اثر علّی مداخلات در شرایطی است که تصادفیسازی ممکن نیست اما تخصیص بر اساس یک آستانه قطعی انجام میشود. این روش با محدود کردن مقایسه به افراد نزدیک آستانه، سوگیری انتخاب را کاهش میدهد و تخمینی معتبر از اثر موضعی مداخله ارائه میکند. با این حال، کاربرد آن مستلزم وجود دادههای کافی در همسایگی آستانه، فرض تداوم معتبر و آگاهی از محدودیت تعمیمپذیری است. ارزیابان باید پیش از انتخاب این روش، قطعی بودن قاعده تخصیص و کیفیت دادهها را به دقت بررسی کنند.