05/08/2020
הגביע הקדוש של כל מחקר באשר הוא
זה היכולת לקבוע קביעה סיבתית.
למשל –
בגלל שבוצעה הפחתה רוחבית של השכר בארגון, נפגעה המוטיביציה של העובדים
או
בזכות הטיפול החדשני, רמת הדיכאון של המטופלת ירדה
או
בגלל חוסר הקפדה על חבישת מסיכות, הגיע גל שני של קורונה
אנחנו אמנם רגילים לחשוב באופן סיבתי על מאורעות בעולם (אם יש עננים תיכף יגיע גשם...) אבל האמת היא שכדי לבסס קביעה סיבתית במחקר בצורה טובה דרושים הרבה עבודה, תכנון ומחשבה.
אז לכל מי שמנסה להבין את ההשפעה האמיתית של אירועים בנתונים שהוא מנתח כדאי לכם לקרוא את הפוסט הזה.
כדי לקבוע סיבתיות בין אירוע א' (למשל חוסר הקפדה על מסיכות) לבין אירוע ב' (קורונה) חייבים להתקיים שלושה תנאים:
1. קשר סטטיסטי בין שני האירועים. כלומר שקיים קשר מובהק בין חוסר הקפדה על מסיכות לבין גל שני של קורונה. רבים וטובים עוצרים כאן ואז יוצאים לעולם בבשורה – שאכן חוסר משמעת של האוכלוסיה הוא זה שאחראי על התפרצות מחודשת של הקורונה. הבעיה היא שקשר סטטיסטי הוא דו כיווני. באותה המידה אפשר להגיד, שבגלל הקורונה, אנשים לא מקפידים על עטיית מסיכות (למשל כי הם חושבים שאין שום תועלת בכך). ולכן חייבים להמשיך הלאה לתנאים הבאים.
2. היעדר הסברים חלופיים. כלומר, עלינו להוכיח שחוסר הקפדה על מסיכות הוא הגורם הדומיננטי והחשוב ביותר שבגללו הקורונה הרימה את ראשה. אחת הדרכים לקיים את התנאי הזה היא לאסוף נתונים על משתנים נוספים שעשויים להסביר את הקורונה (למשל מזג האוויר) ולהראות שהקשר של בין אי ציות לעטיית מסיכות לבין מספר הנדבקים בקורונה, הינו מעל ומעבר לקשרים של שאר המשתנים.
3. אבל הדבר הכי חשוב, שבלעדיו לא ניתן לדבר באמת על ביסוס סיבתיות הוא – קדימות בזמן. כלומר אנחנו חייבים להראות שקודם כל אנשים לא ממש הקפידו על מסיכות ואז – ורק אז – התעצמה הקורונה. זה נשמע מובן מאליו (וזה אכן כך), אבל בפועל אם לא נקפיד על מדידה לאורך זמן של התופעות שמעניינות אותנו, לא נוכל באמת להגיד טענה סיבתית.
אז איך מבססים קדימות בזמן במחקרי שדה, כלומר בחיים האמיתיים?
אחת הדרכים היא מדידות חוזרות לאורך זמן.
אם נרצה לבדוק השפעה של אירוע מסויים X (למשל אי ציות בעטיית מסיכות)
על התפרצות הקורונה צריך למדוד את מספר החולים בקורונה, בקבועי זמן לפחות 3 פעמים לפני שמתרחש האירוע שאת השפעתו אנחנו רוצים לאמוד (אי ציות בעטיית מסיכות) ואז למדוד שוב לפחות 3 פעמים לאחר האירוע.
זה נראה כך (O זה מדידה של המשתנה שמעניין אותנו, X זה האירוע)
O1 -> O2 -> O3 > X -> O4-> O5-> O6
בתהליך כזה, אנחנו נצפה שמספר הנדבקים כפי שמדדנו במדידה הראשונה (O1) יהיה דומה למספר הנדבקים במדידה השנייה (O2) וכן הלאה למדידה השלישית (O3).
למה?
כי פשוט לא קרה אירוע משמעותי (לפחות כך אנחנו מניחים).
ההבדל המשמעותי ביותר הוא ההבדל במספר הנדבקים בין O4 המתרחש מיד לאחר שזיהינו אי ציות מאסיבי בעטיית מסיכות לבין O3 שהתרחש מיד לפני שזיהינו אי ציות כזה במילים אחרות נצפה שהשינוי במספר הנדבקים בקורונה בין O3 לבין O4 יהיה גדול הרבה יותר מהשינוי במספר הנדבקים בין כל זוג מדידות אחרות. כך נוכל לבסס את ההשפעה של אירוע X בתוך סביבה עם השפעות של משתנים שונים.
