الاستدلال السببي

📅 آخر تحديث: ٢ أغسطس ٢٠٢٦
✍️ نُشر في: ٢ أغسطس ٢٠٢٦
📷 يحتوي على 6 صور
الموسوعة الحرة

الاستدلال السببي هو عملية تحديد الأثر الفعلي والمستقل لظاهرة معينة تُعدّ جزءًا من نظام أكبر. ويكمن الفرق الرئيسي بين الاستدلال السببي والاستدلال بالارتباط في أن الاستدلال السببي يحلل استجابة متغير التأثير عند تغيير سبب هذا المتغير. [ 1 ] [ 2 ]

يُطلق على دراسة أسباب حدوث الأشياء اسم علم الأسباب ، ويمكن وصفها باستخدام لغة الترميز السببي العلمي . ويُقال إن الاستدلال السببي يُقدّم دليلاً على السببية التي يُفترض وجودها من خلال التفكير السببي . ويحظى الاستدلال السببي بدراسة واسعة في جميع العلوم. وقد انتشرت في العقود الأخيرة العديد من الابتكارات في تطوير وتطبيق المنهجيات المصممة لتحديد السببية. ويظل الاستدلال السببي صعباً بشكل خاص في الحالات التي يصعب فيها إجراء التجارب أو يستحيل، وهو أمر شائع في معظم العلوم.

تُعدّ مناهج الاستدلال السببي قابلة للتطبيق على نطاق واسع في جميع أنواع التخصصات العلمية، وقد وُجدت العديد من أساليب الاستدلال السببي المصممة لتخصصات معينة مستخدمة في تخصصات أخرى. تُبيّن هذه المقالة العملية الأساسية للاستدلال السببي وتُفصّل بعض الاختبارات الأكثر شيوعًا في مختلف التخصصات؛ ومع ذلك، لا ينبغي فهم ذلك على أنه إشارة إلى أن هذه الأساليب تنطبق فقط على تلك التخصصات، بل هي ببساطة الأكثر استخدامًا فيها.

يُعدّ الاستدلال السببي عمليةً معقدة، وهناك جدلٌ واسعٌ بين العلماء حول الطريقة المثلى لتحديد السببية. ورغم الابتكارات الأخرى، لا تزال هناك مخاوف من إسناد العلماء نتائج الارتباطات إلى أسبابٍ خاطئة، ومن استخدامهم منهجياتٍ غير صحيحة، ومن تلاعبهم المتعمد بالنتائج التحليلية للحصول على تقديراتٍ ذات دلالةٍ إحصائية. ويُثار قلقٌ خاصٌّ عند استخدام نماذج الانحدار، ولا سيما نماذج الانحدار الخطي.

تعريف

وقد وُصف استنتاج سبب شيء ما على النحو التالي:

  • "...الاستدلال للوصول إلى استنتاج مفاده أن شيئًا ما هو، أو من المحتمل أن يكون، سببًا لشيء آخر". [ 3 ]
  • "تحديد سبب أو أسباب ظاهرة ما، من خلال إثبات التباين المشترك بين السبب والنتيجة، وعلاقة الترتيب الزمني مع السبب الذي يسبق النتيجة، واستبعاد الأسباب البديلة المعقولة." [ 4 ]

المنهجية

عام

يُجرى الاستدلال السببي من خلال دراسة الأنظمة التي يُشتبه في أن قياس أحد المتغيرات فيها يؤثر على قياس متغير آخر. ويُجرى الاستدلال السببي وفقًا للمنهج العلمي . تتمثل الخطوة الأولى في الاستدلال السببي في صياغة فرضية صفرية قابلة للتفنيد ، والتي تُختبر لاحقًا باستخدام الأساليب الإحصائية . الاستدلال الإحصائي التكراري هو استخدام الأساليب الإحصائية لتحديد احتمالية حدوث البيانات في ظل الفرضية الصفرية بالصدفة؛ بينما يُستخدم الاستدلال البايزي لتحديد تأثير متغير مستقل. [ 5 ] يُستخدم الاستدلال الإحصائي عمومًا لتحديد الفرق بين التباينات في البيانات الأصلية التي تُمثل تباينًا عشوائيًا أو تأثير آلية سببية محددة جيدًا. والجدير بالذكر أن الارتباط لا يعني السببية ، لذا فإن دراسة السببية تهتم بدراسة الآليات السببية المحتملة بقدر اهتمامها بالتباين بين البيانات. [ 6 ] من المعايير الشائعة للاستدلال السببي تجربة يتم فيها تعيين العلاج عشوائيًا مع تثبيت جميع العوامل الأخرى المؤثرة. تتركز معظم الجهود في الاستدلال السببي على محاولة تكرار الظروف التجريبية.

تستخدم الدراسات الوبائية أساليب وبائية مختلفة لجمع وقياس الأدلة المتعلقة بعوامل الخطر وتأثيرها، بالإضافة إلى طرق مختلفة لقياس الارتباط بينهما. وقد خلصت نتائج مراجعة أجريت عام 2020 لأساليب الاستدلال السببي إلى أن استخدام الأدبيات المنشورة في برامج التدريب السريري قد يكون صعبًا. ويعود ذلك إلى أن المقالات المنشورة غالبًا ما تفترض خلفية تقنية متقدمة، وقد تُكتب من منظورات إحصائية أو وبائية أو علوم حاسوب أو فلسفية متعددة، فضلًا عن التطور السريع للمناهج المنهجية، ومحدودية تغطية العديد من جوانب الاستدلال السببي. [ 7 ] تشمل الأطر الشائعة للاستدلال السببي نموذج الدائرة السببية (المكون-السبب)، ونموذج بيرل السببي الهيكلي ( المخطط السببي + حساب التفاضل والتكامل )، ونمذجة المعادلات الهيكلية ، ونموذج روبين السببي (النتيجة المحتملة)، والتي تُستخدم غالبًا في مجالات مثل العلوم الاجتماعية وعلم الأوبئة. [ 8 ]

تجريبي

يُمكن التحقق تجريبياً من الآليات السببية باستخدام الأساليب التجريبية. والدافع الرئيسي وراء التجربة هو تثبيت المتغيرات التجريبية الأخرى مع التلاعب المُتعمّد بالمتغير محل الاهتمام. إذا أسفرت التجربة عن تأثيرات ذات دلالة إحصائية نتيجةً للتلاعب بمتغير المعالجة فقط، فهناك ما يدعو للاعتقاد بإمكانية إسناد تأثير سببي إلى متغير المعالجة، بافتراض استيفاء المعايير الأخرى للتصميم التجريبي.

شبه تجريبي

يُجرى التحقق شبه التجريبي من الآليات السببية عندما لا تتوفر الأساليب التجريبية التقليدية. قد يكون ذلك نتيجة للتكاليف الباهظة لإجراء تجربة، أو لعدم جدوى إجرائها، لا سيما التجارب التي تُعنى بأنظمة واسعة النطاق مثل اقتصاديات الأنظمة الانتخابية، أو العلاجات التي يُعتقد أنها تُشكل خطرًا على سلامة المشاركين في التجربة. كما قد تُجرى التجارب شبه التجريبية عندما تُحجب المعلومات لأسباب قانونية.

مناهج علم الأوبئة

يدرس علم الأوبئة أنماط الصحة والمرض في مجموعات سكانية محددة من الكائنات الحية لاستنتاج الأسباب والنتائج. قد يشير الارتباط بين التعرض لعامل خطر محتمل ومرض ما إلى وجود علاقة سببية، ولكنه لا يُعدّ دليلاً قاطعاً على السببية ، لأن الارتباط لا يعني السببية . تاريخياً، استُخدمت مسلمات كوخ منذ القرن التاسع عشر لتحديد ما إذا كان كائن دقيق ما هو سبب المرض. في القرن العشرين، استُخدمت معايير برادفورد هيل ، التي وُصفت عام ١٩٦٥ [ ٩ ] ، لتقييم السببية في المتغيرات خارج نطاق علم الأحياء الدقيقة، مع العلم أن هذه المعايير ليست الطرق الوحيدة لتحديد السببية. في علم الأوبئة الجزيئي، تُدرس الظواهر على مستوى البيولوجيا الجزيئية ، بما في ذلك علم الوراثة، حيث تُعدّ المؤشرات الحيوية دليلاً على السبب أو النتائج.

بدأ الباحثون، في مطلع العقد الثاني من الألفية، بتحديد أدلة على تأثير التعرض لعوامل معينة على علم الأمراض الجزيئي داخل الأنسجة أو الخلايا المصابة، وذلك في مجال علم الأوبئة المرضية الجزيئية الناشئ متعدد التخصصات . ويمكن أن يساعد ربط التعرض بالبصمات المرضية الجزيئية للمرض في تقييم العلاقة السببية. وبالنظر إلى الطبيعة المتأصلة لتنوع المرض، فإن مبدأ المرض الفريد، وتصنيف الأمراض، وتحديد أنماطها الفرعية، تُعد من الاتجاهات السائدة في العلوم الطبية الحيوية والصحة العامة ، ويتجلى ذلك في الطب الشخصي والطب الدقيق .

الرسم البياني السببي حيث يكون للمتغيرات المربكة الخفية Z تأثير على المتغيرات القابلة للملاحظة X ، والنتيجة y، واختيار العلاج t .

استُخدم الاستدلال السببي أيضًا لتقدير أثر العلاج. بافتراض وجود مجموعة من أعراض المريض الملحوظة ( X ) والناتجة عن مجموعة من الأسباب الخفية ( Z )، يمكننا اختيار إعطاء العلاج (t ) أو عدم إعطائه. وتُعرف نتيجة إعطاء العلاج أو عدم إعطائه بتقدير الأثر (y) . إذا لم يكن من المؤكد أن يكون للعلاج أثر إيجابي، فإن قرار تطبيقه من عدمه يعتمد أولًا على خبرة الخبراء التي تشمل العلاقات السببية. بالنسبة للأمراض المستجدة، قد لا تتوفر هذه الخبرة. ونتيجة لذلك، نعتمد فقط على نتائج العلاجات السابقة لاتخاذ القرارات. يمكن استخدام مُشفِّر تلقائي تبايني مُعدَّل لنمذجة الرسم البياني السببي الموصوف أعلاه. [ 10 ] في حين أنه يمكن نمذجة السيناريو المذكور أعلاه دون استخدام المُتغير المُربك الخفي (Z)، فإننا سنفقد فهم أن أعراض المريض، إلى جانب عوامل أخرى، تؤثر على كلٍّ من تخصيص العلاج ونتيجته.

مناهج العلوم الاجتماعية

العلوم الاجتماعية

اتجهت العلوم الاجتماعية عمومًا بشكل متزايد نحو تضمين أطر كمية لتقييم السببية. وقد وُصف هذا التوجه بأنه وسيلة لإضفاء مزيد من الدقة على منهجية العلوم الاجتماعية. تأثرت العلوم السياسية بشكل كبير بنشر كتاب " تصميم البحث الاجتماعي" (Designing Social Inquiry ) لغاري كينغ وروبرت كوهان وسيدني فيربا عام ١٩٩٤. يوصي كينغ وكوهان وفيربا الباحثين بتطبيق كلٍ من الأساليب الكمية والنوعية، واعتماد لغة الاستدلال الإحصائي لتوضيح موضوعات اهتمامهم ووحدات تحليلهم. [ ١١ ] [ ١٢ ] كما اعتمد أنصار الأساليب الكمية بشكل متزايد إطار النتائج المحتملة ، الذي طوره دونالد روبين ، كمعيار لاستنتاج السببية. [ ١٣ ]

بينما لا يزال التركيز الأكبر مُنصبًا على الاستدلال الإحصائي في إطار النتائج المحتملة، فقد طوّر علماء منهجية العلوم الاجتماعية أدوات جديدة لإجراء الاستدلال السببي باستخدام كلٍ من الأساليب النوعية والكمية، وهو ما يُعرف أحيانًا بنهج "الأساليب المختلطة". [ 14 ] [ 15 ] ويجادل أنصار المناهج المنهجية المتنوعة بأن المنهجيات المختلفة أنسب لمواضيع الدراسة المختلفة. وقد استشهد عالم الاجتماع هربرت سميث وعالما السياسة جيمس ماهوني وغاري غورتز بملاحظة بول دبليو هولاند ، الإحصائي ومؤلف مقال "الإحصاء والاستدلال السببي" الصادر عام 1986، بأن الاستدلال الإحصائي هو الأنسب لتقييم "آثار الأسباب" بدلًا من "أسباب الآثار". [ 16 ] [ 17 ]

جادل باحثو المنهجية النوعية بأن النماذج الرسمية للسببية، بما في ذلك تتبع العمليات ونظرية المجموعات الضبابية ، تتيح فرصًا لاستنتاج السببية من خلال تحديد العوامل الحاسمة ضمن دراسات الحالة أو من خلال عملية مقارنة بين عدة دراسات حالة. [ 12 ] وتُعد هذه المنهجيات قيّمة أيضًا للمواضيع التي يحد فيها عدد محدود من الملاحظات المحتملة أو وجود متغيرات مُربكة من إمكانية تطبيق الاستدلال الإحصائي. وعلى نطاقات زمنية أطول، تستخدم دراسات الاستمرارية الاستدلال السببي لربط الأحداث التاريخية بالنتائج السياسية والاقتصادية والاجتماعية اللاحقة. [ 18 ]

الاقتصاد والعلوم السياسية

في العلوم الاقتصادية والسياسية ، غالباً ما يكون الاستدلال السببي صعباً، نظراً لتعقيد الواقع الاقتصادي والسياسي، وعدم القدرة على محاكاة العديد من الظواهر واسعة النطاق ضمن تجارب مضبوطة. ويشهد الاستدلال السببي في العلوم الاقتصادية والسياسية تحسناً مستمراً في المنهجية والدقة، بفضل التطور التكنولوجي المتاح لعلماء الاجتماع، وازدياد أعدادهم وأبحاثهم، والتحسينات التي طرأت على منهجيات الاستدلال السببي في مختلف فروع العلوم الاجتماعية. [ 19 ] وعلى الرغم من الصعوبات الكامنة في تحديد السببية في الأنظمة الاقتصادية، إلا أن هناك العديد من الأساليب الشائعة الاستخدام في هذه المجالات.

الأساليب النظرية

يستطيع الاقتصاديون وعلماء السياسة استخدام النظرية (التي تُدرس غالبًا في الاقتصاد القياسي النظري ) لتقدير حجم العلاقات السببية المفترضة في الحالات التي يعتقدون بوجود علاقة سببية فيها. [ 20 ] يمكن للمنظرين افتراض آلية يُعتقد أنها سببية ووصف آثارها باستخدام تحليل البيانات لتبرير نظريتهم المقترحة. على سبيل المثال، يمكن للمنظرين استخدام المنطق لبناء نموذج، كأن يفترضوا أن المطر يُسبب تقلبات في الإنتاجية الاقتصادية، لكن العكس غير صحيح. [ 21 ] مع ذلك، يُطلق على استخدام الادعاءات النظرية البحتة التي لا تُقدم أي رؤى تنبؤية اسم "ما قبل العلم" لعدم القدرة على التنبؤ بتأثير الخصائص السببية المفترضة. [ 5 ] يجدر التأكيد على أن تحليل الانحدار في العلوم الاجتماعية لا يعني بالضرورة السببية، إذ قد ترتبط العديد من الظواهر على المدى القصير أو في مجموعات بيانات معينة، لكنها لا تُظهر أي ارتباط في فترات زمنية أخرى أو مجموعات بيانات أخرى. وبالتالي، فإن إسناد السببية إلى الخصائص الارتباطية أمر سابق لأوانه في غياب آلية سببية محددة ومعقولة جيداً.

المتغيرات الآلية

تُعدّ تقنية المتغيرات الآلية (IV) طريقةً لتحديد السببية، وتتضمن إزالة الارتباط بين أحد المتغيرات التفسيرية في النموذج وحد الخطأ فيه. تفترض هذه الطريقة أنه إذا تحرك حد الخطأ في النموذج بشكل مشابه لتغير متغير آخر، فمن المرجح أن يكون حد الخطأ ناتجًا عن تغير ذلك المتغير التفسيري. وبالتالي، فإن إزالة هذا الارتباط من خلال إدخال متغير آلي جديد يقلل من الخطأ الموجود في النموذج ككل. [ 22 ]

مواصفات النموذج

تحديد النموذج هو عملية اختيار النموذج المناسب لتحليل البيانات. يجب على علماء الاجتماع (وجميع العلماء عمومًا) تحديد النموذج الأمثل، لأن النماذج المختلفة تُجيد تقدير علاقات مختلفة. [ 23 ] يُمكن أن يكون تحديد النموذج مفيدًا في تحديد السببية التي تظهر ببطء، حيث لا تظهر آثار فعل ما في فترة زمنية معينة إلا في فترة لاحقة. من الجدير بالذكر أن الارتباطات تقيس فقط ما إذا كان لمتغيرين تباين متشابه، وليس ما إذا كانا يؤثران على بعضهما البعض في اتجاه معين؛ وبالتالي، لا يُمكن تحديد اتجاه العلاقة السببية بالاعتماد على الارتباطات فقط. ولأن الأفعال السببية يُعتقد أنها تسبق الآثار السببية، يُمكن لعلماء الاجتماع استخدام نموذج يبحث تحديدًا عن تأثير متغير ما على آخر على مدى فترة زمنية. يؤدي هذا إلى استخدام المتغيرات التي تمثل الظواهر التي حدثت سابقًا كآثار للمعالجة، حيث تُستخدم الاختبارات الاقتصادية القياسية للبحث عن تغيرات لاحقة في البيانات تُعزى إلى تأثير هذه الآثار، إذ قد يشير اختلافٌ ذو دلالة إحصائية في النتائج بعد اختلاف ذي دلالة إحصائية في آثار المعالجة إلى وجود علاقة سببية بين آثار المعالجة والآثار المقاسة (مثل اختبارات غرانجر للسببية). تُعد هذه الدراسات أمثلة على تحليل السلاسل الزمنية . [ 24 ]

تحليل الحساسية

تُدرج أو تُستبعد متغيرات أخرى، أو متغيرات مستقلة في تحليل الانحدار، في مختلف تطبيقات النموذج نفسه لضمان دراسة مصادر التباين المختلفة بشكل منفصل. يُعدّ هذا شكلاً من أشكال تحليل الحساسية ، وهو دراسة مدى حساسية تطبيق النموذج لإضافة متغير جديد واحد أو أكثر. [ 25 ] يتمثل أحد أهم دوافع استخدام تحليل الحساسية في البحث عن المتغيرات المُربكة . المتغيرات المُربكة هي متغيرات لها تأثير كبير على نتائج الاختبار الإحصائي، ولكنها ليست المتغير الذي يُراد دراسته في الاستدلال السببي. قد تتسبب المتغيرات المُربكة في ظهور متغير مستقل ذي دلالة إحصائية في تطبيق ما، ولكنه غير ذي دلالة في تطبيق آخر.

الارتباط الخطي المتعدد

من الأسباب الأخرى لاستخدام تحليل الحساسية الكشف عن الارتباط الخطي المتعدد . يُعرف الارتباط الخطي المتعدد بأنه وجود ارتباط قوي جدًا بين متغيرين تفسيريين. يمكن أن يؤثر هذا الارتباط القوي بشكل كبير على نتائج التحليل الإحصائي، حيث يمكن لتغيرات طفيفة في البيانات شديدة الارتباط أن تُغير تأثير المتغير من إيجابي إلى سلبي، أو العكس. هذه خاصية متأصلة في اختبار التباين. يُعد تحديد الارتباط الخطي المتعدد مفيدًا في تحليل الحساسية، لأن حذف المتغيرات شديدة الارتباط في نماذج مختلفة يمنع التغيرات الجذرية في النتائج الناتجة عن إضافة هذه المتغيرات. [ 26 ]

توجد حدود لقدرة تحليل الحساسية على منع الآثار الضارة للتعدد الخطي، لا سيما في العلوم الاجتماعية حيث تتسم الأنظمة بالتعقيد. ولأنه من المستحيل نظريًا تضمين جميع العوامل المربكة أو حتى قياسها في نظام بالغ التعقيد ، فإن النماذج الاقتصادية القياسية عرضة لمغالطة السبب المشترك، حيث تُنسب التأثيرات السببية خطأً إلى المتغير الخاطئ لأن المتغير الصحيح لم يُدرج في البيانات الأصلية. وهذا مثال على إغفال متغير كامن . [ 27 ]

الاقتصاد القياسي القائم على التصميم

في الآونة الأخيرة، أدت المنهجية المحسنة في الاقتصاد القياسي القائم على التصميم إلى انتشار استخدام كل من التجارب الطبيعية وتصاميم البحث شبه التجريبية لدراسة الآليات السببية التي يُعتقد أن هذه التجارب تحددها. [ 28 ]

الأساليب التجريبية

في الاقتصاد التطبيقي والعلوم السياسية، تُستخدم التجارب الميدانية العشوائية على نطاق واسع لتحديد التأثيرات السببية، إذ تُساعد في معالجة العوامل المُربكة التي تُعقّد الدراسات القائمة على الملاحظة. وقد تم اعتماد هذا النهج أيضًا في علم التسويق، حيث تُجري الشركات تجارب إعلانية عشوائية واسعة النطاق لتقدير العوائد السببية على الاستثمار (انظر قسم التطبيقات في التسويق أدناه). [ 29 ]

تطبيقات في التسويق

أصبح الاستدلال السببي محورياً في علم التسويق الحديث ، حيث يسعى المعلنون والمنصات إلى تقدير الأثر الإضافي الحقيقي للتدخلات التسويقية بدلاً من الاعتماد على مقاييس ارتباطية مثل إسناد النقرة الأخيرة. ولأن المستهلكين يتعرضون في الوقت نفسه للعديد من القنوات ومحركات الطلب الخارجية، فإن عزل المساهمة السببية لحملة واحدة يطرح تحديات منهجية مماثلة لتلك الموجودة في علم الأوبئة والعلوم الاجتماعية. [ 30 ]

تجارب التزايد

تُعدّ التجارب المعشاة ذات الشواهد، والتي تُعرف غالبًا بتجارب الزيادة التدريجية أو دراسات الرفع في مجال الصناعة، الطريقة الأكثر مباشرة لتقدير الأثر السببي للإعلان. في تصميم نموذجي، يتم تقسيم مجموعة من المستخدمين أو مناطق جغرافية عشوائيًا إلى مجموعتين: تجريبية وضابطة. تتعرض المجموعة التجريبية للإعلان، بينما تُحجب المجموعة الضابطة عنه أو تُعرض عليها إعلانات وهمية . يوفر الفرق في معدلات التحويل أو الإيرادات بين المجموعتين تقديرًا غير متحيز لمتوسط ​​أثر التجربة . أوضح لويس وراو (2015) أنه نظرًا لأن آثار الإعلان على الفرد الواحد صغيرة نسبيًا مقارنةً بتباين مشتريات المستهلك، فإن الحصول على تقديرات دقيقة يتطلب أحجام عينات كبيرة جدًا، وهو ما أطلقوا عليه "الجدوى الاقتصادية غير المواتية لقياس عائدات الإعلان". [ 29 ] قارن جوردون وآخرون (2019) التقديرات التجريبية من تجارب ميدانية واسعة النطاق على فيسبوك مع العديد من المناهج الرصدية، ووجدوا أن الأساليب الرصدية غالبًا ما تبالغ في تقدير آثار الإعلان بهوامش كبيرة، مما يؤكد أهمية التصاميم المعشاة. [ 30 ] تتفق هذه النتائج مع إطار النتائج المحتملة الأوسع الذي طوره دونالد روبين ، والذي يرتكز عليه جزء كبير من قياس الزيادة التدريجية الحديثة. [ 13 ]

التحكم الاصطناعي والتجارب الجيولوجية

عندما يتعذر إجراء التوزيع العشوائي على مستوى المستخدم - كما هو الحال في الإعلانات التلفزيونية أو الإذاعية أو الخارجية - يلجأ الباحثون غالبًا إلى التجارب شبه التجريبية على مستوى المناطق الجغرافية أو السوق. تعتمد طريقة التحكم التركيبي ، التي قدمها عبادي وغارديزابال (2003) وطورها عبادي ودايموند وهاينمولر (2010)، على بناء توليفة مرجحة من وحدات مقارنة غير معالجة لتقريب النتيجة الافتراضية لوحدة معالجة. [ 31 ] يطبق إطار عمل GeoX من جوجل نهجًا مشابهًا في مجال الإعلان، حيث يُخصص عشوائيًا مناطق جغرافية لظروف المعالجة والتحكم، ويستخدم نماذج السلاسل الزمنية الهيكلية البايزية لتقدير الأثر السببي لحملات الإعلانات الإقليمية. [ 32 ] [ 33 ] يوسع إطار عمل تجربة زيادة المنصة (PIE)، الذي تم اقتراحه في عام 2023، منهجية التجارب الجغرافية لتشمل بيئات متعددة المنصات، مما يُمكّن المعلنين من قياس المساهمة الإضافية لمنصة إعلامية فردية مع مراعاة النشاط على المنصات المنافسة. [ 34 ]

نمذجة مزيج الوسائط

يعتمد نمذجة المزيج التسويقي (MMM)، والمعروفة أيضًا بنمذجة مزيج الوسائط، على نهج تكميلي من خلال تركيب نماذج انحدار على مستوى إجمالي - باستخدام بيانات السلاسل الزمنية المتعلقة بالإنفاق الإعلاني والتسعير والعروض الترويجية والمبيعات - لتقدير المساهمة الحدية لكل قناة تسويقية. على عكس تجارب الزيادة التدريجية، التي توفر تقديرات سببية لحملة محددة خلال فترة زمنية معينة، تهدف نمذجة المزيج التسويقي إلى تحليل التباين التاريخي في متغير تابع عبر جميع العوامل المقاسة في آن واحد. تتضمن التطبيقات الحديثة بشكل متزايد التقدير البايزي، والافتراضات المسبقة المعلوماتية المستمدة من دراسات الرفع التجريبية، وطرق مونت كارلو لسلسلة ماركوف لتحديد عدم اليقين كميًا. اقترح جين وآخرون (2017) إطار عمل بايزيًا لنمذجة المزيج التسويقي، تم اعتماده على نطاق واسع، والذي ينمذج تأثيرات التراكم والتشبع للإعلان باستخدام أشكال وظيفية مرنة يتم تقديرها عبر افتراضات مسبقة معلوماتية. [ 35 ] [ 36 ] لاحظ الممارسون أن تقديرات نمذجة المزيج التسويقي تكون أكثر مصداقية عند معايرتها مقابل المعايير التجريبية، مما يخلق حلقة تغذية راجعة بين النمذجة القائمة على الملاحظة والتجريب العشوائي. [ 30 ] [ 32 ]

مناهج في علوم الحاسوب

يُعدّ الاستدلال السببي مفهومًا هامًا في مجال الذكاء الاصطناعي السببي . وقد تمّت معالجة تحديد العلاقة بين السبب والنتيجة من بيانات رصدية مشتركة لمتغيرين مستقلين زمنيًا، ولنقل X وY، باستخدام عدم التماثل بين الأدلة لنموذج ما في الاتجاهين X → Y وY → X. وتعتمد المناهج الأساسية على نماذج نظرية المعلومات الخوارزمية ونماذج الضوضاء. [ 37 ]

نماذج الضوضاء

قم بتضمين مصطلح ضوضاء مستقل في النموذج لمقارنة الأدلة من كلا الاتجاهين.

فيما يلي بعض نماذج الضوضاء لفرضية Y → X مع الضوضاء E:

  • الضوضاء المضافة: [ 38 ]Y=F(X)+هـ{\displaystyle Y=F(X)+E}
  • الضوضاء الخطية: [ 39 ]Y=صX+qهـ{\displaystyle Y=pX+qE}
  • ما بعد اللاخطية: [ 40 ]Y=جي(F(X)+هـ){\displaystyle Y=G(F(X)+E)}
  • ضوضاء غير متجانسة:Y=F(X)+هـ.جي(X){\displaystyle Y=F(X)+EG(X)}
  • الضوضاء الوظيفية: [ 41 ]Y=F(X،هـ){\displaystyle Y=F(X,E)}

الافتراضات الشائعة في هذه النماذج هي:

  • لا توجد أسباب أخرى لـ Y.
  • لا توجد أسباب مشتركة بين X و E.
  • توزيع السبب مستقل عن الآليات السببية.

على المستوى البديهي، تكمن الفكرة في أن تحليل التوزيع المشترك P(السبب، النتيجة) إلى P(السبب)*P(النتيجة | السبب) ينتج عادةً نماذج ذات تعقيد إجمالي أقل من تحليله إلى P(النتيجة)*P(السبب | النتيجة). ورغم أن مفهوم "التعقيد" يبدو جذابًا بديهيًا، إلا أنه ليس من الواضح كيفية تعريفه بدقة. [ 41 ] وتسعى مجموعة أخرى من الطرق إلى اكتشاف "آثار" سببية من كميات كبيرة من البيانات المصنفة ، مما يسمح بالتنبؤ بعلاقات سببية أكثر مرونة. [ 42 ]

سوء الممارسة في الاستدلال السببي

على الرغم من التقدم المحرز في تطوير المنهجيات المستخدمة لتحديد السببية، لا تزال هناك نقاط ضعف جوهرية في هذا المجال. ويعزى ذلك إلى الصعوبة الكامنة في تحديد العلاقات السببية في الأنظمة المعقدة، فضلاً عن حالات سوء الممارسة العلمية. وبغض النظر عن صعوبات الاستدلال السببي، يسود اعتقاد بين بعض فئات علماء الاجتماع بأن أعدادًا كبيرة منهم يمارسون منهجيات غير علمية. وتنتشر في هذه المجالات انتقادات واسعة النطاق للاقتصاديين وعلماء الاجتماع، الذين يزعمون أنهم يقدمون دراسات وصفية على أنها دراسات سببية. [ 5 ]

الممارسات العلمية الخاطئة والمنهجية المعيبة

في العلوم، ولا سيما العلوم الاجتماعية، يساور الباحثين قلقٌ من انتشار الممارسات الخاطئة في البحث العلمي. ولأن الدراسة العلمية مجالٌ واسع، فمن الناحية النظرية، توجد طرقٌ لا حصر لها لتقويض الاستدلال السببي دون ذنبٍ من الباحث. ومع ذلك، لا يزال العلماء قلقين من أن عددًا كبيرًا من الباحثين لا يؤدون واجباتهم الأساسية أو لا يستخدمون مناهج متنوعة بما فيه الكفاية في الاستدلال السببي. [ 43 ] [ 19 ] [ 44 ]

من الأمثلة البارزة على المنهجيات غير السببية الشائعة، الافتراض الخاطئ بأن الخصائص الارتباطية هي خصائص سببية. فليس هناك علاقة سببية جوهرية بين الظواهر المترابطة. صُممت نماذج الانحدار لقياس التباين داخل البيانات نسبةً إلى نموذج نظري، ولا يوجد ما يشير إلى أن البيانات التي تُظهر مستويات عالية من التغاير لها أي علاقة ذات دلالة (في غياب آلية سببية مقترحة ذات خصائص تنبؤية أو توزيع عشوائي للمعالجة). وقد زُعم أن استخدام المنهجيات المعيبة واسع الانتشار، ومن الأمثلة الشائعة على هذه الممارسات الخاطئة الإفراط في استخدام النماذج الارتباطية، وخاصة الإفراط في استخدام نماذج الانحدار، ولا سيما نماذج الانحدار الخطي. [ 5 ] إن افتراض أن ظاهرتين مترابطتين مرتبطتان جوهريًا هو مغالطة منطقية تُعرف بالارتباط الزائف . ويزعم بعض علماء الاجتماع أن الاستخدام الواسع النطاق للمنهجيات التي تُنسب السببية إلى الارتباطات الزائفة قد أضر بنزاهة العلوم الاجتماعية، على الرغم من ملاحظة تحسينات ناتجة عن منهجيات أفضل. [ 28 ]

من الآثار المحتملة للدراسات العلمية التي تخلط خطأً بين الارتباط والسببية، زيادة عدد النتائج العلمية التي لا يمكن إعادة إنتاجها من قِبل جهات خارجية. يُعدّ عدم إمكانية إعادة الإنتاج هذا نتيجة منطقية لتعميم الارتباطات بشكل مفرط ومؤقت، وتحويلها إلى آليات لا علاقة جوهرية بينها، حيث لا تتضمن البيانات الجديدة الارتباطات الخاصة السابقة بالبيانات الأصلية. ولا تزال النقاشات قائمة حول أثر الممارسات الخاطئة مقابل أثر الصعوبات الكامنة في البحث عن السببية. [ 45 ] ويجادل منتقدو المنهجيات الشائعة بأن الباحثين قد لجأوا إلى التلاعب الإحصائي لنشر مقالات يُفترض أنها تُظهر أدلة على السببية، بينما هي في الواقع أمثلة على ارتباط زائف يُسوّق على أنه دليل على السببية: ويمكن الإشارة إلى هذه المساعي باسم "التلاعب الإحصائي" . [ 46 ] ولمنع ذلك، دعا البعض الباحثين إلى تسجيل تصميمات أبحاثهم مسبقًا قبل إجراء دراساتهم حتى لا يبالغوا عن غير قصد في التركيز على نتيجة غير قابلة للتكرار لم تكن موضوع البحث الأصلي، ولكن تبين أنها ذات دلالة إحصائية أثناء تحليل البيانات. [ 47 ]

انظر أيضاً

مراجع

  1. ↑ بيرل، جوديا (1 يناير 2009). "الاستدلال السببي في الإحصاء: نظرة عامة" (ملف PDF) . مسوحات إحصائية . 3 : 96-146 . doi : 10.1214/09-SS057 . مؤرشف (ملف PDF) من الأصل في 6 أغسطس 2010. تم الاطلاع عليه في 24 سبتمبر 2012 .
  2. ↑ مورغان، ستيفن؛ وينشيب، كريس (2007). الافتراضات المضادة للواقع والاستدلال السببي . مطبعة جامعة كامبريدج. ISBN 978-0-521-67193-4.
  3. ↑ "الاستدلال السببي" . موسوعة بريتانيكا، المحدودة. مؤرشف من الأصل في 3 مايو 2015. تم الاسترجاع في 24 أغسطس 2014 .
  4. ↑ جون شونيسي؛ يوجين زيشمايستر؛ جين زيشمايستر (2000). مناهج البحث في علم النفس . ماكجرو هيل للعلوم الإنسانية/العلوم الاجتماعية/اللغات. الصفحات. الفصل 1 : مقدمة. ISBN   978-0077825362أُرشف من المصدر الأصلي بتاريخ 15 أكتوبر 2014. تم الاطلاع عليه بتاريخ 24 أغسطس 2014 .
  5. 1 2 3 4 شرودت، فيليب أ. (1 مارس 2014). " الخطايا السبع المميتة للتحليل السياسي الكمي المعاصر" . مجلة أبحاث السلام . 51 (2): 287-300 . doi : 10.1177/0022343313499597 . ISSN 0022-3433 . S2CID 197658213. مؤرشف من الأصل في 15 أغسطس 2021. تم الاسترجاع في 16 فبراير 2021 .  
  6. ↑ دياز أوتشوا، خوان غييرمو (2025). "قياسات التعقيد والسببية للأنظمة الديناميكية المعقدة" . فهم الأنظمة المعقدة . doi : 10.1007/978-3-031-84709-7 . ISSN 1860-0832 . 
  7. ↑ لاندسيتل، دوغلاس؛ سريفاستافا، أفانتيكا؛ كروبف، كريستين (2020). "مراجعة سردية لأساليب الاستدلال السببي والموارد التعليمية المرتبطة بها" . إدارة الجودة في الرعاية الصحية . 29 (4): 260-269 . doi : 10.1097/QMH.0000000000000276 . ISSN 1063-8628 . PMID 32991545. S2CID 222146291. مؤرشف من الأصل في 15 أغسطس 2021. تم الاسترجاع في 26 فبراير 2021 .   
  8. ↑ غرينلاند، ساندر؛ برومباك، بابيت (أكتوبر 2002). "نظرة عامة على العلاقات بين أساليب النمذجة السببية" . المجلة الدولية لعلم الأوبئة . 31 (5): 1030-1037 . doi : 10.1093/ije/31.5.1030 . ISSN 1464-3685 . PMID 12435780 .  
  9. ↑ هيل ، أوستن برادفورد (1965). " البيئة والمرض: ارتباط أم سببية؟" . وقائع الجمعية الملكية للطب . 58 (5): 295-300 . doi : 10.1177/003591576505800503 . PMC 1898525. PMID 14283879. مؤرشف من الأصل في 19 فبراير 2021. تم الاطلاع عليه في 25 فبراير 2014 .  
  10. ↑ لويزوس، كريستوس؛ شاليت، أوري؛ مويج، جوريس؛ سونتاج، ديفيد؛ زيميل، ريتشارد؛ ويلينج، ماكس (2017). "استدلال التأثير السببي باستخدام نماذج المتغيرات الكامنة العميقة". arXiv : 1705.08821 [ stat.ML ].
  11. ↑ كينغ، غاري (2012). تصميم البحث الاجتماعي : الاستدلال العلمي في البحث النوعي . مطبعة جامعة برينستون. ISBN  978-0691034713. OCLC 754613241 . 
  12. 1 2 ماهوني، جيمس (يناير 2010). "ما بعد KKV". السياسة العالمية . 62 (1): 120-147 . doi : 10.1017/S0043887109990220 . JSTOR 40646193. S2CID 43923978 .  
  13. 1 2 روبين، دونالد ب. (1974). "تقدير الآثار السببية للعلاجات في الدراسات العشوائية وغير العشوائية". مجلة علم النفس التربوي . 66 (5): 688-701 . doi : 10.1037/h0037350 .
  14. ↑ كريسويل، جون دبليو؛ كلارك، فيكي إل. بلانو (2011). تصميم وإجراء البحوث ذات المناهج المختلطة . منشورات سيج. ISBN 9781412975179أُرشف من المصدر الأصلي بتاريخ 21 يوليو 2021. تم الاطلاع عليه بتاريخ 23 فبراير 2021 .
  15. ↑ سيورايت، جيسون (سبتمبر 2016). العلوم الاجتماعية متعددة الأساليب، بقلم جيسون سيورايت . كامبريدج كور. doi : 10.1017/CBO9781316160831 . ISBN 9781316160831أُرشف من الأصل في 21 يوليو 2021. تم الاطلاع عليه في 18 أبريل 2019 .
  16. ↑ سميث، هربرت ل. (10 فبراير 2014). "آثار الأسباب وأسباب الآثار: بعض الملاحظات من الجانب الاجتماعي" . مناهج وبحوث علم الاجتماع . 43 (3): 406-415 . doi : 10.1177/0049124114521149 . PMC 4251584. PMID 25477697 .  
  17. ↑ غورتز، غاري؛ ماهوني، جيمس (2006). "حكاية ثقافتين: مقارنة بين البحث الكمي والبحث النوعي". التحليل السياسي . 14 (3): 227-249 . doi : 10.1093/pan/mpj017 . ISSN 1047-1987 . 
  18. ↑ سيرون، ألكسندرا؛ بيبينسكي، توماس ب. (2022). "الاستمرارية التاريخية" . المراجعة السنوية للعلوم السياسية . 25 (1): 241-259 . doi : 10.1146/annurev-polisci-051120-104325 . ISSN 1094-2939 . 
  19. 1 2 أنغريست، جوشوا د.؛ بيشكه، يورن-ستيفن (يونيو 2010). "ثورة المصداقية في الاقتصاد التجريبي: كيف يُسهم تصميم البحث المُحسّن في القضاء على الخداع في الاقتصاد القياسي" . مجلة وجهات النظر الاقتصادية . 24 (2): 3-30 . doi : 10.1257/jep.24.2.3 . hdl : 1721.1/54195 . ISSN 0895-3309 . 
  20. ↑ جامعة كارنيجي ميلون. "نظرية السببية - قسم الفلسفة - كلية ديتريش للعلوم الإنسانية والاجتماعية - جامعة كارنيجي ميلون" . www.cmu.edu . مؤرشف من الأصل بتاريخ 11 يوليو 2021. تم الاطلاع عليه بتاريخ 16 فبراير 2021 .
  21. ↑ سيمون، هربرت (1977). نماذج الاكتشاف . دوردريخت: سبرينغر. ص 52. 
  22. ↑ أنغريست، جوشوا د.؛ كروجر، آلان ب. (2001). "المتغيرات الآلية والبحث عن التحديد: من العرض والطلب إلى التجارب الطبيعية" . مجلة وجهات النظر الاقتصادية . 15 (4): 69-85 . doi : 10.1257/jep.15.4.69 . hdl : 1721.1/63775 . مؤرشف من الأصل في 6 مايو 2021. تم الاسترجاع في 16 فبراير 2021 .
  23. ↑ ألين، مايكل باتريك، محرر. (1997). "تحديد النموذج في تحليل الانحدار". فهم تحليل الانحدار . بوسطن، ماساتشوستس: سبرينغر الولايات المتحدة. ص 166-170 . doi : 10.1007/978-0-585-25657-3_35 . ISBN  978-0-585-25657-3أُرشف من المصدر الأصلي بتاريخ 15 أغسطس 2021. تم الاطلاع عليه بتاريخ 16 فبراير 2021 .
  24. ↑ مازيارز، ماريوس (2020). فلسفة السببية في الاقتصاد: الاستدلالات السببية ومقترحات السياسة . نيويورك: روتليدج.
  25. ↑ سالسيتشولي، جاستن د.؛ كروتان، إيف؛ كوموروفسكي، ماثيو؛ مارشال، دومينيك س. (2016). "تحليل الحساسية والتحقق من صحة النموذج". في: بيانات معهد ماساتشوستس للتكنولوجيا الحرجة (محرر). التحليل الثانوي للسجلات الصحية الإلكترونية . تشام: دار نشر سبرينغر الدولية. ص 263-271 . doi : 10.1007/978-3-319-43742-2_17 . ISBN  978-3-319-43742-2PMID 31314264​​ 
  26. ↑ إيلوسكي، باربرا (2013). "مقدمة في الإحصاء" . openstax.org . مؤرشف من الأصل في 6 فبراير 2017. تم الاطلاع عليه في 16 فبراير 2021 .
  27. ↑ هينشين، توبياس (2018). "عدم حسم الأدلة السببية في الاقتصاد الكلي من حيث المبدأ". المجلة الأوروبية لفلسفة العلوم . 8 (3): 709-733 . doi : 10.1007/s13194-018-0207-7 . S2CID 158264284 . 
  28. 1 2 أنغريست جوشوا وبيشكه يورن-ستيفن (2008). الاقتصاد القياسي غير الضار في الغالب: دليل تجريبي . برينستون: مطبعة جامعة برينستون.
  29. 12Lewis, Randall A.; Rao, Justin M. (2015). "The unfavorable economics of measuring the returns to advertising". The Quarterly Journal of Economics. 130 (4): 1941–1973. doi:10.1093/qje/qjv023.
  30. 123Gordon, Brett R.; Zettelmeyer, Florian; Bhargava, Neha; Chapsky, Dan (2019). "A comparison of approaches to advertising measurement: Evidence from big field experiments at Facebook". Marketing Science. 38 (2): 193–225. doi:10.1287/mksc.2018.1135.
  31. ↑Abadie, Alberto; Diamond, Alexis; Hainmueller, Jens (2010). "Synthetic control methods for comparative case studies: Estimating the effect of California's tobacco control program". Journal of the American Statistical Association. 105 (490): 493–505. doi:10.1198/jasa.2009.ap08746. hdl:1721.1/59447.
  32. 12Brodersen, Kay H.; Gallusser, Fabian; Koehler, Jim; Remy, Nicolas; Scott, Steven L. (2015). "Inferring causal impact using Bayesian structural time-series models". Annals of Applied Statistics. 9 (1): 247–274. arXiv:1506.00356. doi:10.1214/14-AOAS788.
  33. ↑Vaver, Jon; Koehler, Jim (2011). "Measuring Ad Effectiveness Using Geo Experiments". Google Research. Retrieved 28 February 2026.
  34. ↑"Platform Incrementality Experiment (PIE): An Industry Framework for Cross-Platform Incrementality Testing". Interactive Advertising Bureau. 2023. Retrieved 28 February 2026.
  35. ↑Jin, Yuxue; Wang, Yueqing; Sun, Yunting; Chan, David; Koehler, Jim (2017). Bayesian Methods for Media Mix Modeling with Carryover and Shape Effects (Technical report). Google Research.
  36. ↑"Marketing Mix Modeling (MMM) Fundamentals: A Modern Guide". Haus. Retrieved 1 March 2026.
  37. ↑Peters, Jonas; Janzing, Dominik; Schölkopf, Bernhard (2017). Elements of Causal Inference: Foundations and Learning Algorithms. MIT Press. ISBN 978-0-262-03731-0.
  38. ↑ هوير، باتريك أو، وآخرون. " الاكتشاف السببي غير الخطي باستخدام نماذج الضوضاء المضافة. مؤرشف في 2 نوفمبر 2020 في Wayback Machine ." NIPS. المجلد 21. 2008.
  39. ↑ شيميزو، شوهي؛ وآخرون (2011). "DirectLiNGAM: طريقة مباشرة لتعلم نموذج معادلة هيكلية خطية غير غاوسية" (ملف PDF) . مجلة أبحاث تعلم الآلة . 12 : 1225-1248 . arXiv : 1101.2489 . مؤرشف (ملف PDF) من الأصل في 23 يوليو 2021. تم الاطلاع عليه في 27 يوليو 2019 . 
  40. ↑ تشانغ، كون، وآبو هيفارينين. " حول إمكانية تحديد النموذج السببي ما بعد اللاخطي. مؤرشف في 19 أكتوبر 2021 على موقع Wayback Machine ." وقائع المؤتمر الخامس والعشرين حول عدم اليقين في الذكاء الاصطناعي. مطبعة AUAI، 2009.
  41. 1 2 Mooij, Joris M., et al. " نماذج المتغيرات الكامنة الاحتمالية للتمييز بين السبب والنتيجة. مؤرشف في 22 يوليو 2020 في Wayback Machine ." NIPS. 2010.
  42. ↑ لوبيز-باز، ديفيد، وآخرون. " نحو نظرية تعلم لاستنتاج السبب والنتيجة " مؤرشف في 13 مارس 2017 على موقع Wayback Machine . المؤتمر الدولي للتعلم الآلي (ICML). 2015
  43. ↑ آخن، كريستوفر هـ. (يونيو 2002). "نحو منهجية سياسية جديدة: الأسس الجزئية و ART" . المراجعة السنوية للعلوم السياسية . 5 (1): 423-450 . doi : 10.1146/annurev.polisci.5.112801.080943 . ISSN 1094-2939 . 
  44. ↑ فاندنبروك، جان ب؛ برودبنت، أليكس؛ بيرس، نيل (ديسمبر 2016). "السببية والاستدلال السببي في علم الأوبئة: الحاجة إلى منهج تعددي" . المجلة الدولية لعلم الأوبئة . 45 (6): 1776-1786 . doi : 10.1093/ije/dyv341 . ISSN 0300-5771 . PMC 5841832. PMID 26800751 .   
  45. ↑ غرينلاند، ساندر (يناير 2017). "مع وضد المنهجيات: بعض وجهات النظر حول المناقشات الحديثة حول الاستدلال السببي والإحصائي". المجلة الأوروبية لعلم الأوبئة . 32 (1): 3-20 . doi : 10.1007/s10654-017-0230-6 . ISSN 1573-7284 . PMID 28220361. S2CID 4574751 .   
  46. ↑ دومينوس، سوزان (18 أكتوبر 2017). "عندما جاءت الثورة لأيمي كادي" . صحيفة نيويورك تايمز . الرقم الدولي الموحد للدوريات 0362-4331 . مؤرشف من الأصل في 3 يناير 2020. تم الاطلاع عليه في 2 مارس 2019 . 
  47. ↑ "الأزمة الإحصائية في العلوم" . مجلة ساينتست الأمريكية . 6 فبراير 2017. مؤرشف من الأصل في 13 أغسطس 2021. تم الاطلاع عليه في 18 أبريل 2019 .

فهرس