بحث اللوحات — تصميم اللوحات الطولي
- قدّمه
- Social science and econometric traditions; systematized by Cheng Hsiao and others from the 1970s-1980s
- السنة
- 1970s-1980s (econometric formalization); earlier social survey use from 1940s
- النوع
- Quantitative longitudinal observational design
- العائلة
- Survey / observational design
هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية
ماذا تفعل؟
بحث اللوحات هو تصميم طولي كمي تُقاس فيه نفس الأفراد أو المنظمات أو الوحدات الأخرى بشكل متكرر عبر نقطتين زمنيتين أو أكثر. على عكس المسوحات المقطعية التي تلتقط لقطة واحدة، تتتبع اللوحة التغير داخل الوحدات، مما يمكّن الباحثين من فصل التغير الحقيقي داخل الوحدة عن الاختلافات بين الوحدات ونمذجة الديناميكيات السببية بمرور الوقت.
الفكرة الحدسية وراء الطريقة
تخيل متابعة نفس 2000 أسرة كل عام لمدة عقد وتسجيل دخلهم وحالتهم الوظيفية وصحتهم. نظرًا لأنك تعود دائمًا إلى نفس الأسر، فإن أي تغيير تلاحظه هو تغيير حقيقي داخل الشخص أو داخل الأسرة بدلاً من كونه اختلافًا بين أشخاص مختلفين تم قياسهم في لحظات مختلفة. هذه هي القوة الأساسية للوحة: يمكنك أن تسأل ليس فقط من لديه دخل أكبر، ولكن ما الذي تسبب في ارتفاع أو انخفاض الدخل لنفس الشخص بمرور الوقت. تستغل مقدرات التأثيرات الثابتة والتأثيرات العشوائية هذا الهيكل المتكرر للتحكم في الخصائص غير المرصودة والثابتة عبر الزمن والتي قد تربك المقارنات المقطعية بخلاف ذلك.
التاريخ
ظهرت طريقة اللوحة في العلوم الاجتماعية في الأربعينيات، مع دراسات بول لازارسفيلد الانتخابية التي كانت رائدة في نهج المقابلات المتكررة لدراسة تغير المواقف. قام الاقتصاديون بتنظيم النظرية الاقتصادية القياسية لبيانات اللوحة من الستينيات حتى الثمانينيات؛ وقد أسس ياير موندلاك (1961، 1978) وكتاب تشنغ شياو المرجعي لعام 1986 (المنقح عام 2003) تقدير التأثيرات الثابتة والعشوائية كأدوات قياسية. وقد عززت الدراسات اللوحية الوطنية الكبرى — دراسة لوحة الدخل الديناميكية في الولايات المتحدة (PSID، بدأت عام 1968) ولوحة الاقتصاد الاجتماعي الألمانية (SOEP، بدأت عام 1984) — بحث اللوحات كحجر زاوية في العلوم الاجتماعية والاقتصاد التجريبي.
متى تُستخدم
استخدم بحث اللوحات عندما يتعلق السؤال الأساسي بالتغير بمرور الوقت داخل نفس الوحدات، أو عندما تريد التحكم في عدم التجانس غير المرصود على مستوى الفرد الذي لا تستطيع التصاميم المقطعية معالجته. تُعد تصاميم اللوحات مناسبة لدراسة مسارات الدخل، والصحة، والمواقف، وأداء الشركات، أو النتائج التعليمية. تتطلب القدرة على تتبع وإعادة الاتصال بنفس الوحدات عبر الموجات، وموارد كافية لجمع البيانات المتكرر، وفترة زمنية ذات معنى يُتوقع أن تتغير فيها النتيجة. لا تستخدم تصميم اللوحة إذا كان القياس المتكرر قد يحسس المشاركين ويغير سلوكهم (تكييف اللوحة)، أو إذا كان السكان متنقلين للغاية ولا يمكن تتبعهم بمرور الوقت (خطر استنزاف هيكلي مرتفع)، أو إذا كان سؤال البحث يتعلق بالانتشار في نقطة زمنية واحدة (استخدم مسحًا مقطعيًا بدلاً من ذلك)، أو إذا كانت الاتجاهات الكلية عبر عينات مختلفة فقط هي المهمة (استخدم تصميم الاتجاه أو المقطعي المتكرر).
الحدود والاعتبارات
- يُدخل استنزاف اللوحة تحيزًا محتملاً في الاختيار إذا كان التسرب مرتبطًا بالنتيجة أو المتنبئات.
- تكييف اللوحة — قد يغير القياس المتكرر مواقف المستجيبين أو سلوكياتهم، مما يضر بالصلاحية الخارجية.
- لا تستطيع نماذج التأثيرات الثابتة تقدير تأثير المتنبئات الثابتة عبر الزمن (مثل الجنس، العرق، بلد الميلاد)، والتي يتم إزالتها عن طريق التفاضل.
- مكلف ويتطلب لوجستيات عالية: يتطلب الحفاظ على اتصال اللوحة على مدى سنوات أو عقود بنية تحتية كبيرة.
- تقديرات التأثيرات العشوائية متحيزة إذا كانت تأثيرات الوحدة غير المرصودة مرتبطة بالمتنبئات — وهو افتراض غالبًا ما يُنتهك.
لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.
نقاط القوة
- يمكّن الاستدلال السببي داخل الوحدة من خلال التحكم في جميع المتغيرات المربكة غير المرصودة والثابتة عبر الزمن من خلال تقدير التأثيرات الثابتة.
- يلتقط ديناميكيات وتتابع التغير، وليس فقط النتيجة في لحظة واحدة.
- أكثر كفاءة إحصائيًا من المقاطع العرضية المستقلة لتقدير التغير لأن التباين داخل الوحدة عادة ما يكون أصغر من التباين بين الوحدات.
- يسمح بالدراسة المتزامنة لنتائج متعددة وعلاقاتها المتبادلة بمرور الوقت.
- يدعم تحليل مسار المجموعات الفرعية؛ يمكن مقارنة الفئات أو المجموعات المختلفة في مسارات التغير الخاصة بها.
التطبيقات
- تتبع مسارات الدخل والتوظيف لنفس الأسر على مدى عقود لدراسة ديناميكيات الفقر والحراك الاجتماعي.
- تقدير التأثير السببي للسياسات التعليمية من خلال متابعة الطلاب عبر السنوات الدراسية والتحكم في الخصائص غير المرصودة على مستوى الطالب.
- دراسة نمو إنتاجية الشركات وتأثير تبني التكنولوجيا داخل الشركة على مدى سنوات متعددة.
- متابعة المرضى عبر زيارات سريرية متكررة لتقييم كيفية تأثير الالتزام بالعلاج على النتائج الصحية داخل نفس الفرد.
- تحليل تغير المواقف السياسية داخل الناخبين عبر الدورات الانتخابية لفصل الإحلال الجيلي عن التغير الحقيقي في الرأي.
- نمذجة تأثيرات السياسات على مستوى الدولة في الاقتصاد السياسي المقارن باستخدام مجموعات بيانات لوحية متعددة البلدان ومتعددة السنوات.
كيف يعمل
كيف يعمل
يحدد الباحث وحدة اللوحة (الأفراد، الشركات، البلدان)، وعدد وتوقيت موجات القياس، والمتغيرات المراد تتبعها. يجب اختيار تباعد الموجات لالتقاط تغيير ذي معنى؛ ففترة قصيرة جدًا تفوت التحولات الجوهرية بينما فترة طويلة جدًا تخاطر بفقدان المشاركين وتفويت الديناميكيات بين الموجات.
يتم تجنيد عينة احتمالية أو هادفة من السكان المستهدفين في خط الأساس (الموجة 1). يتم الحصول على موافقة مستنيرة للمشاركة المتكررة. تُقاس خصائص خط الأساس بالكامل. تُقرر أوزان العينات والتجاوز المخطط للمجموعات الفرعية النادرة في هذه المرحلة لأن استراتيجية التحليل اللوحي بأكملها تعتمد على التمثيلية التي يتم تأسيسها هنا.
في كل موجة لاحقة، يُعاد الاتصال بنفس الوحدات وتُقاس نفس المتغيرات الأساسية، جنبًا إلى جنب مع أي متغيرات مساعدة متغيرة بمرور الوقت. تُستخدم أدوات موحدة عبر الموجات للحفاظ على قابلية المقارنة. يمكن إضافة متغيرات جديدة عبر الموجات، ولكن يجب أن تظل العناصر الأساسية متسقة بحيث يمكن تتبع التغير داخل الوحدة دون إرباك القياس.
يتم تشخيص استنزاف اللوحة — تسرب المشاركين بين الموجات. يقارن الباحثون المكملين بالمتسربين بناءً على خصائص خط الأساس لتقييم ما إذا كان الاستنزاف عشوائيًا (مفقود تمامًا بشكل عشوائي) أو منهجيًا (مفقود بشكل عشوائي أو ليس بشكل عشوائي). يؤدي الاستنزاف المنهجي إلى تحيز التقديرات؛ وتشمل العلاجات التضمين المتعدد، أو ترجيح الاحتمالية العكسية، أو تحليلات الحساسية.
تُطبق مقدرات خاصة باللوحة. تتحكم نماذج التأثيرات الثابتة (المقدرات الداخلية) في جميع المتغيرات المربكة غير المرصودة والثابتة عبر الزمن عن طريق التفاضل أو إزالة المتوسط من البيانات داخل كل وحدة. تفترض نماذج التأثيرات العشوائية عدم وجود ارتباط بين تأثيرات الوحدة غير المرصودة والمتنبئات، مما يكسب الكفاءة على حساب هذا الافتراض. يُستخدم اختبار هاوسمان (Hausman test) عادةً للاختيار بين الاثنين. تُعد تصاميم فرق الفروق (Difference-in-differences) حالة خاصة بارزة.
تُفسر المعاملات على أنها تغير داخل الوحدة: ترتبط زيادة وحدة واحدة في المتنبئ بتغير معين في النتيجة لنفس الوحدة بمرور الوقت، مع تثبيت خصائصها غير المرصودة والثابتة عبر الزمن. تتطلب التفسيرات بين الوحدات افتراضات التأثيرات العشوائية أو المربعات الصغرى العادية المجمعة (pooled OLS). تتطلب الادعاءات السببية ميزات تصميم إضافية مثل التباين الخارجي أو المتغيرات الآلية.
الأخطاء الشائعة
- تجاهل أنماط الاستنزاف: التعامل مع التسرب على أنه عشوائي دون اختبار الافتراض يؤدي إلى تقديرات متحيزة؛ قارن دائمًا المتسربين والمكملين بناءً على متغيرات خط الأساس.
- تغيير الأداة الأساسية بين الموجات: حتى التغييرات الصغيرة في الصياغة تكسر قابلية مقارنة المتغير التابع عبر الزمن، مما يبطل تقديرات التغير داخل الوحدة.
- تطبيق المربعات الصغرى العادية المجمعة (pooled OLS) على بيانات اللوحة دون مراعاة التجميع داخل الوحدة: تُقلل الأخطاء المعيارية، مما يضخم الأهمية؛ قم دائمًا بتجميع الأخطاء المعيارية حسب وحدة اللوحة أو استخدم مقدرات مناسبة للوحة.
- الخلط بين اللوحة وتصميم الفوج: دراسة الفوج تتتبع الأفراد الذين ولدوا أو دخلوا في نفس الوقت؛ اللوحة تتتبع نفس الأفراد الذين تم أخذ عينات منهم بغض النظر عن عضوية الفوج — هذه تجيب على أسئلة مختلفة.
- المبالغة في الادعاء بالسببية: تتحكم التأثيرات الثابتة فقط في المتغيرات المربكة الثابتة عبر الزمن؛ لا تزال المتغيرات المربكة المتغيرة بمرور الوقت تهدد الاستدلال السببي ما لم يتم معالجتها بالتصميم (مثل المتغيرات الآلية، انقطاع الانحدار).
الأسئلة الشائعة
ما الفرق بين دراسة اللوحة والدراسة الطولية؟
جميع دراسات اللوحة طولية، ولكن ليست جميع الدراسات الطولية دراسات لوحة. تتتبع دراسة اللوحة على وجه التحديد نفس الوحدات التي تم أخذ عينات منها في كل موجة. التصاميم الطولية الأخرى — مثل دراسات الاتجاه أو المقاطع العرضية المتكررة — تجمع عينات جديدة في كل موجة وبالتالي لا يمكنها تقدير التغير داخل الوحدة أو تطبيق مقدرات التأثيرات الثابتة.
متى يجب أن أستخدم التأثيرات الثابتة بدلاً من التأثيرات العشوائية؟
استخدم التأثيرات الثابتة عندما تشك في أن الخصائص غير المرصودة على مستوى الوحدة مرتبطة بمتنبئاتك — هذه هي الحالة الشائعة في العلوم الاجتماعية القائمة على الملاحظة. تقضي التأثيرات الثابتة على هذا الارتباط عن طريق إزالة متوسطات الوحدة الثابتة عبر الزمن من البيانات. استخدم التأثيرات العشوائية فقط عندما يمكنك الافتراض بشكل موثوق بعدم وجود مثل هذا الارتباط. يوفر اختبار هاوسمان (Hausman test) فحصًا إحصائيًا رسميًا: تشير النتيجة الهامة إلى أن افتراض التأثيرات العشوائية قد تم انتهاكه ويجب تفضيل التأثيرات الثابتة.
كم عدد الموجات التي أحتاجها لدراسة لوحة؟
يلزم وجود موجتين على الأقل لتقدير التغير داخل الوحدة، ولكن موجتين غالبًا ما تتركان مجالًا ضئيلًا لنمذجة المسارات أو اكتشاف التغير غير الخطي. يلزم وجود ثلاث موجات أو أكثر لنمذجة منحنيات النمو أو التغير في معدل التغير. يعتمد العدد الأمثل على سؤال البحث، وسرعة العملية قيد الدراسة، والقيود العملية مثل الميزانية وتحمل الاستنزاف.
كيف أتعامل مع البيانات المفقودة في بحث اللوحات؟
أولاً، قم بتشخيص سبب فقدان البيانات: فقدان البيانات بشكل عشوائي تمامًا (MCAR)، أو بشكل عشوائي (MAR)، أو ليس بشكل عشوائي (MNAR). في ظل افتراض MAR — وهو الافتراض الأكثر قابلية للدفاع عنه عمليًا — ينتج التضمين المتعدد أو تقدير الاحتمالية القصوى تقديرات غير متحيزة. في ظل افتراض MNAR، يلزم إجراء تحليلات حساسية باستخدام نماذج الاختيار أو نماذج مزيج الأنماط. يؤدي مجرد إسقاط الحالات غير المكتملة إلى تحيز كلما لم يكن التسرب MCAR.
هل يمكن لبيانات اللوحة إثبات السببية؟
تزيل مقدرات لوحة التأثيرات الثابتة جميع المتغيرات المربكة الثابتة عبر الزمن، وهي ميزة كبيرة على التصاميم المقطعية، لكنها لا تزيل المتغيرات المربكة المتغيرة بمرور الوقت. لتعزيز الادعاءات السببية، يجمع الباحثون بيانات اللوحة مع التجارب الطبيعية، أو المتغيرات الآلية، أو تصاميم انقطاع الانحدار، أو فرق الفروق مع اختبار الاتجاهات المتوازية. تمكّن بيانات اللوحة استدلالًا سببيًا أقوى من المقاطع العرضية ولكنها ليست بديلاً عن التباين التجريبي.
طرق ذات صلة
المصادر
Hsiao, C. (2003). Analysis of Panel Data (2nd ed.). Cambridge University Press.
ردمك: 978-0521522717تم النسخ.Wooldridge, J. M. (2010). Econometric Analysis of Cross Section and Panel Data (2nd ed.). MIT Press.
ردمك: 978-0262232586تم النسخ.