Пример, где корреляционный дизайн вводит в заблуждение
- Представьте кросс‑секционный опрос школьников: измерили время перед экранами и баллы по шкале депрессии; нашли положительную связь. На её основе делают вывод «больше экранов → депрессия». Это может быть ошибочно из‑за:
- обратной причинности: депрессия → больше времени за экраном (уход от реальных контактов);
- смешивающих факторов (confounders): семейный стресс, низкий доход, нарушения сна, предшествующие личностные черты, которые одновременно повышают и экранное время, и риск депрессии;
- селекции и измерительных ошибок (самоотчёты экрана и симптомов).
- Формально: наблюдаемая регрессия $De{p}_i={\beta }_0+{\beta }_{1}Scree{n}_i+u_i$ даёт смещённую оценку ${\beta }_1$, если $E[Scree{n}_i{u}_i]\ne 0$. Истинная модель может быть $De{p}_i={\beta }_0+{\beta }_{1}Scree{n}_i+\gamma Con{f}_i+{\epsilon }_i$; при неучёте $Con{f}_i$ оценка ${\beta }_1$ будет смещена.
Какие методологические приёмы помогут установить причинность
1) Лабораторные манипуляции / рандомизированные контролируемые испытания (RCT)
- Что делать: случайная рандомизация участников в условия «ограничение экранов» vs «обычный режим» или «дозированное увеличение времени», измерение депрессии до и после.
- Преимущества: рандомизация устраняет как наблюдаемые, так и ненаблюдаемые смешивающие факторы; позволяет оценить квазикаузального эффекта.
- Дизайн/анализ: разность сред/регрессия с рандомизационной индикаторной переменной; эффект = разница в средних или коэффициент при индикаторе.
- Ограничения: эти исследования часто короткосрочны и имеют проблемы экологической валидности; этика (умышленное увеличение экранов у уязвимых групп).
2) Продольные исследования (longitudinal)
- Что делать: собирать повторные измерения экрана и депрессии для тех же людей (время $t=1,2,\dots$).
- Модели и приёмы:
- фиксированные эффекты: $De{p}_{it}=\beta Scree{n}_{it}+{\alpha }_i+{\delta }_t+{\epsilon }_{it}$ — контролирует все неизменные во времени индивидуальные характеристики ${\alpha }_i$;
- кросс‑лаговые панели (cross‑lagged):
$$De{p}_{t+1}=aDe{p}_t+bScree{n}_t+e_{t+1},Scree{n}_{t+1}=cScree{n}_t+dDe{p}_t+e_{t+1}^{\prime }$$ позволяют оценить направление влияния (вклад $b$ vs $d$);
- разницы‑в‑разницах (DiD): если есть естественное вмешательство (запрет телефонов в школах в некоторых регионах).
- Преимущества: помогает различать временную последовательность и контролировать постоянные индивидуальные характеристики; DiD даёт квазиэкспериментальную идентификацию при корректных предположениях.
- Ограничения: не решает полностью проблему смешивающих факторов, меняющихся во времени; кросс‑лаговые модели чувствительны к автокорреляции и измерительному шуму.
3) Инструментальные переменные (IV)
- Идея: найти переменную $Z$, которая влияет на экранное время, но не влияет на депрессию напрямую (только через экранное время).
- Пример инструментов: поэтапный доступ к широкополосному интернету в разных районах; изменение школьной политики по использованию смартфонов; технические отказоустойчивые факторы (например, внезапный сбо́й мобильной сети) — при условии, что они не оказывают прямого влияния на депрессию.
- Двухступенчатая формула (2SLS):
$$Scree{n}_i={\pi }_0+{\pi }_1{Z}_i+v_i$$ $$De{p}_i={\alpha }_0+{\alpha }_1{\widehat{Screen}}_i+{\epsilon }_i$$ - Критические предпосылки: релевантность (${\pi }_1\ne 0$) и условие исключения ( $Z$ влияет на $Dep$ только через $Screen$ ). Проверки: сильный первый этап (F‑статистика > 10), тесты переидентифицируемости при наличии нескольких инструментов.
- Преимущества: может устранить не наблюдаемые смешивающие факторы при валидном инструменте.
- Ограничения: сложно найти правдоподобный инструмент; IV оценивает LATE (эффект для «переключающих» единиц), а не средний для всей популяции; риск нарушения условия исключения.
Кратко о комбинировании подходов
- Наиболее убедительные выводы обычно получаются при комбинировании методов: RCT для коротких эффектов, продольные данные и фиксированные эффекты для долгосрочных тенденций, IV/DiD для использования естественных экспериментов; дополнительно — медиаторный анализ (сон, социальная изоляция) и предрегистрация аналитических планов для уменьшения выбора спецификации.