027. Jak tworzyć logiczny model zależności między zmiennymi?

Logiczny model zależności między zmiennymi jest uporządkowanym zapisem tego, jak badacz rozumie badane zjawisko. Nie jest jedynie ozdobnym diagramem dodanym do projektu. Stanowi pomost między teorią, pytaniem badawczym, hipotezami, operacjonalizacją zmiennych, planem zbierania danych i analizą statystyczną. Dobrze zbudowany model pomaga odpowiedzieć nie tylko na pytanie, czy dwie zmienne są ze sobą związane, lecz także: które zmienne mogą wpływać na wynik, jakie mechanizmy mogą wyjaśniać obserwowaną zależność i jakie alternatywne wyjaśnienia należy uwzględnić.

W tej lekcji, będącej częścią publicznego szkolenia na statystyk.edu.pl, skupimy się na praktycznym tworzeniu takiego modelu. Szczególną uwagę poświęcimy rozróżnieniu zmiennej niezależnej, zależnej, pośredniczącej, moderującej i zakłócającej. Trzeba jednak pamiętać, że sam model logiczny nie dowodzi istnienia zależności ani jej przyczynowego charakteru. Jest przede wszystkim jawnym zapisem założeń, które dopiero projekt badania i odpowiednia analiza mogą wesprzeć lub podważyć.

1. Czym jest logiczny model zależności?

Logiczny model zależności to schemat przedstawiający oczekiwane relacje między zmiennymi oraz uzasadnienie tych relacji. Zmienne mogą być przedstawione jako prostokąty lub elipsy, a zależności jako strzałki. Strzałka powinna mieć określone znaczenie: może oznaczać przewidywany kierunek wpływu, następstwo czasowe, zależność teoretyczną albo jedynie hipotezę wymagającą sprawdzenia.

Najprostsza postać modelu wygląda następująco:

X → Y

W tym zapisie:

• X oznacza zmienną objaśniającą, ekspozycję, predyktor lub potencjalną przyczynę;
• Y oznacza zmienną objaśnianą, wynik, punkt końcowy lub potencjalny skutek;
• → oznacza założoną relację kierunkową, a nie automatycznie udowodniony związek przyczynowy.

Przykładowo, badacz może założyć, że większa intensywność aktywności fizycznej (X) wiąże się z niższym skurczowym ciśnieniem tętniczym (Y). Taki zapis jest jednak niepełny, ponieważ na oba zjawiska mogą wpływać między innymi wiek, leczenie hipotensyjne, masa ciała, palenie tytoniu i stan zdrowia. Model logiczny powinien zatem uwzględniać najważniejsze alternatywne wyjaśnienia, a nie tylko interesującą badacza parę zmiennych.

2. Od pytania badawczego do modelu

2.1. Najpierw określ zjawisko i poziom analizy

Budowę modelu należy rozpocząć od jasnego określenia, czego dotyczy badanie: osoby, pacjenta, gospodarstwa domowego, oddziału szpitalnego, szkoły czy całej populacji. Zmienna mierzona na jednym poziomie nie powinna być bez uzasadnienia interpretowana na innym. Na przykład średni poziom obciążenia pracą w oddziale nie jest tym samym co obciążenie pojedynczej pielęgniarki.

Następnie trzeba doprecyzować ramy czasowe. Model powinien odpowiadać na pytanie, co występuje wcześniej, a co później. Jeżeli stres mierzono po wystąpieniu bezsenności, kierunek stres → bezsenność pozostaje hipotezą, ale dane z jednego pomiaru nie rozstrzygają, czy stres poprzedzał problem ze snem, czy też bezsenność nasilała odczuwany stres.

2.2. Zdefiniuj główną ekspozycję i wynik

W każdym modelu należy wskazać główną zmienną objaśniającą oraz główny wynik. W badaniu klinicznym ekspozycją może być sposób leczenia, a wynikiem śmiertelność, nasilenie objawów lub jakość życia. W badaniu psychologicznym ekspozycją może być nasilenie stresu, a wynikiem wypalenie zawodowe. W badaniu zdrowia publicznego ekspozycją może być dostęp do transportu medycznego, a wynikiem czas dotarcia do świadczenia.

Ważna jest także operacjonalizacja. „Aktywność fizyczna” może oznaczać liczbę minut wysiłku tygodniowo, liczbę kroków dziennie albo kategorię aktywności ustaloną za pomocą kwestionariusza. Różne definicje prowadzą do różnych modeli pomiarowych i mogą zmienić wynik analizy.

3. Typowe role zmiennych w modelu

3.1. Zmienna niezależna i zależna

Zmienna niezależna jest zmienną, której związek z wynikiem stanowi główny przedmiot zainteresowania. W eksperymencie może być przydzielonym warunkiem badania, natomiast w badaniu obserwacyjnym częściej jest ekspozycją lub predyktorem.

Zmienna zależna jest wynikiem, który badacz chce wyjaśnić, przewidzieć albo porównać między grupami. Należy z góry ustalić, czy wynik będzie mierzony jako zmienna ciągła, binarna, porządkowa, czas do zdarzenia czy liczba zdarzeń. Rodzaj wyniku wpływa później na wybór modelu statystycznego.

3.2. Zmienna zakłócająca

Zmienna zakłócająca jest związana zarówno z ekspozycją, jak i z wynikiem, a jej nieuwzględnienie może zniekształcić ocenę relacji między X i Y. Przykładowo, osoby starsze mogą mniej ćwiczyć i jednocześnie częściej mieć podwyższone ciśnienie. Wiek może więc tworzyć pozorną część związku między aktywnością fizyczną a ciśnieniem.

Nie każda zmienna związana z wynikiem jest jednak zakłócaczem. Decyzja powinna wynikać z wiedzy dziedzinowej, następstwa czasowego i przyjętego modelu. Automatyczne dodawanie wszystkich dostępnych zmiennych do regresji nie zastępuje rozumowania metodologicznego.

3.3. Mediator, czyli zmienna pośrednicząca

Mediator opisuje mechanizm, przez który ekspozycja może być związana z wynikiem. Schemat mediacji można zapisać następująco:

X → M → Y

Symbol M oznacza mediator. Przykładowo, program edukacji zdrowotnej (X) może zwiększać wiedzę pacjentów (M), a większa wiedza może sprzyjać przestrzeganiu zaleceń terapeutycznych (Y). W takim modelu wiedza nie jest zwykłą zmienną kontrolną. Jest częścią proponowanego mechanizmu.

Kontrolowanie mediatora w analizie całkowitego efektu może usunąć część interesującej zależności. Jeżeli celem jest oszacowanie całkowitego wpływu programu, uwzględnienie M jako kowariaty może prowadzić do pytania o inny parametr niż pierwotnie zamierzony. Analiza mediacji wymaga ponadto silnych założeń, zwłaszcza dotyczących braku niezmierzonych czynników zakłócających relację mediatora z wynikiem (VanderWeele, 2015).

3.4. Moderator, czyli zmienna modyfikująca zależność

Moderator zmienia siłę lub kierunek związku między X i Y. W epidemiologii mówi się często o modyfikacji efektu, a w analizie regresji o interakcji. Przykładowo, skuteczność krótkiej interwencji psychologicznej może być większa u osób z umiarkowanym niż z bardzo silnym nasileniem objawów. Nasilenie objawów może wówczas modyfikować zależność między interwencją a wynikiem.

W modelu regresji dla zmiennej ciągłej można zapisać to schematycznie:

Y = β0 + β1X + β2Z + β3(X × Z) + ε

• Y – wynik;
• X – główna ekspozycja lub predyktor;
• Z – potencjalny moderator;
• X × Z – składnik interakcyjny;
• β₀ – wyraz wolny;
• β₁ i β₂ – współczynniki dla X i Z;
• β₃ – informacja o tym, czy związek X z Y zmienia się wraz z Z;
• ε – składnik losowy i wpływ czynników nieuwzględnionych w modelu.

Sama istotność statystyczna składnika interakcyjnego nie mówi, czy różnica ma znaczenie praktyczne. Należy przedstawić wartości efektu dla konkretnych poziomów moderatora wraz z przedziałami ufności.

4. Jak narysować model krok po kroku?

1. Zapisz główne pytanie badawcze. Przykład: czy teleporada skraca czas uzyskania porady medycznej?
2. Wskaż ekspozycję i wynik. X: forma kontaktu z systemem; Y: czas do uzyskania porady.
3. Dodaj zmienne poprzedzające ekspozycję. Mogą to być wiek, miejsce zamieszkania, status ekonomiczny lub dostęp do internetu.
4. Dodaj możliwe mediatory. Teleporada może zmniejszać konieczność dojazdu i liczbę etapów organizacyjnych.
5. Rozważ moderatory. Efekt teleporady może być inny u osób z ograniczeniami cyfrowymi niż u osób swobodnie korzystających z internetu.
6. Usuń zmienne nieuzasadnione. Diagram nie powinien być katalogiem wszystkich zebranych danych.
7. Opisz każdą strzałkę. Dla każdej relacji zapisz podstawę teoretyczną, czasowy porządek i sposób pomiaru.
8. Powiąż model z analizą. Zdecyduj, które zmienne są głównymi predyktorami, które kowariatami, a które będą analizowane jako mediatory lub moderatory.

W praktyce pomocne jest rozdzielenie modelu teoretycznego od modelu analitycznego. Model teoretyczny może zawierać wiele możliwych mechanizmów. Model analityczny powinien natomiast wskazywać konkretny sposób estymacji parametrów, kodowania zmiennych i postępowania z brakami danych.

5. Przykład praktyczny: wypalenie zawodowe pielęgniarek

Załóżmy, że badacz chce zbadać związek między obciążeniem pracą a wypaleniem zawodowym pielęgniarek.

Podstawowy model można zapisać jako:

Obciążenie pracą → Wypalenie zawodowe

Po analizie literatury i konsultacji z praktykami badacz rozszerza go:

Obciążenie pracą → Zmęczenie → Wypalenie zawodowe

Wsparcie przełożonego → Wypalenie zawodowe

Obciążenie pracą × Wsparcie przełożonego → Wypalenie zawodowe

W tym modelu zmęczenie pełni rolę potencjalnego mediatora, natomiast wsparcie przełożonego może być zarówno niezależnym predyktorem, jak i moderatorem. Jeżeli jego obecność osłabia związek obciążenia z wypaleniem, należałoby mówić o modyfikacji efektu. Wiek, staż pracy i rodzaj oddziału mogą być zmiennymi zakłócającymi, ale ich status wymaga uzasadnienia, ponieważ staż może być także powiązany z innymi procesami, na przykład selekcją osób pozostających w zawodzie.

Jeżeli badanie ma charakter przekrojowy, bezpieczny wniosek może dotyczyć współwystępowania obciążenia, zmęczenia i wypalenia. Nie należy jednak pisać, że obciążenie „spowodowało” wypalenie, jeśli wszystkie zmienne zmierzono w tym samym czasie i nie kontrolowano wiarygodnie odwróconego kierunku zależności. Diagram może sugerować hipotezę przyczynową, ale nie zmienia ograniczeń schematu badania (Rohrer, 2018).

6. Przykład medyczny: rehabilitacja po udarze

Drugim przykładem jest ocena związku intensywności rehabilitacji z poprawą sprawności po udarze.

Intensywność rehabilitacji → Sprawność po 3 miesiącach

Możliwe zmienne zakłócające to początkowe nasilenie deficytu neurologicznego, wiek, typ udaru i choroby współistniejące. Pacjenci w lepszym stanie mogą otrzymywać bardziej intensywną rehabilitację i jednocześnie osiągać lepsze wyniki. Jeżeli nie uwzględni się stanu początkowego, związek może być częściowo wynikiem selekcji pacjentów, a nie samej intensywności terapii.

Potencjalnym mediatorem może być poprawa mobilności w pierwszych tygodniach, natomiast dostępność opiekuna rodzinnego może modyfikować efekt rehabilitacji. Przed analizą trzeba ustalić, czy celem jest całkowity efekt intensywności rehabilitacji, efekt niezależny od wczesnej poprawy, czy odpowiedź na pytanie, dla których pacjentów rehabilitacja działa najlepiej. Są to różne pytania i wymagają odmiennych modeli.

7. Model logiczny a wnioskowanie przyczynowe

Diagramy zależności, w tym grafy acykliczne skierowane, pomagają ujawnić założenia dotyczące przyczyn, mediatorów i zmiennych zakłócających. Nie są jednak automatyczną procedurą, która z danych obserwacyjnych tworzy dowód przyczynowości. Wnioskowanie przyczynowe zależy od projektu badania, jakości pomiaru, porządku czasowego oraz założeń dotyczących niezmierzonych zmiennych (Pearl, 2009; Hernán i Robins, 2020).

Szczególnej ostrożności wymagają tak zwane zmienne koliderowe. Jeżeli dwie zmienne wpływają na trzecią, warunkowanie na tej trzeciej zmiennej może wytworzyć sztuczne powiązanie między jej przyczynami. Dlatego reguła „kontroluj wszystko, co masz w bazie” jest metodologicznie niebezpieczna. Dobór zmiennych powinien wynikać z modelu, a nie wyłącznie z automatycznej selekcji opartej na wartości p.

Najczęstsze błędy

• Traktowanie korelacji jako dowodu przyczynowości. Związek statystyczny może wynikać z zakłócenia, odwrotnego kierunku zależności lub błędu pomiaru.
• Brak rozróżnienia mediatora i zakłócacza. Mediator leży na proponowanej ścieżce działania, natomiast zakłócacz jest wspólną przyczyną ekspozycji i wyniku.
• Kontrolowanie wszystkich zmiennych bez modelu teoretycznego. Może to zwiększyć obciążenie estymatora, pogorszyć precyzję i wprowadzić błąd.
• Mylenie moderatora z mediatorem. Mediator odpowiada na pytanie „jak lub przez co?”, a moderator na pytanie „dla kogo, kiedy lub w jakich warunkach?”.
• Rysowanie strzałek bez uzasadnienia. Każda strzałka powinna mieć podstawę w teorii, wcześniejszych badaniach albo jasno opisanym mechanizmie.
• Ignorowanie poziomu i czasu pomiaru. Zależność między zmiennymi mierzonymi na poziomie oddziałów nie musi opisywać zależności między pojedynczymi pacjentami.
• Wybieranie modelu po obejrzeniu wyników. Zmiana głównego modelu po analizie danych zwiększa ryzyko selektywnego raportowania.
• Ograniczenie oceny do wartości p. Należy raportować także wielkość efektu, przedział ufności, kierunek zależności i znaczenie praktyczne.

Co warto zapamiętać?

• Logiczny model jest formalnym zapisem założeń badacza, a nie dowodem istnienia zależności.
• Podstawą modelu są jasno zdefiniowane: ekspozycja, wynik, czas i jednostka analizy.
• Zmienna zakłócająca może zniekształcać związek, mediator opisuje mechanizm, a moderator zmienia siłę lub kierunek związku.
• Ten sam zbiór danych może służyć do różnych analiz, ale każda analiza odpowiada na inne pytanie.
• Nie należy automatycznie kontrolować wszystkich zmiennych ani używać wartości p jako jedynego kryterium decyzji.
• W badaniach obserwacyjnych język wniosków powinien odpowiadać możliwościom projektu.
• Najlepszy model jest wystarczająco bogaty, aby uwzględniać wiarygodne alternatywne wyjaśnienia, ale na tyle prosty, aby dało się go jednoznacznie zinterpretować i przetestować.

Przed przejściem do analizy warto zadać sobie trzy pytania: jakie dokładnie zależności zakładam, jakie są dla nich alternatywne wyjaśnienia oraz czy mój schemat badania pozwala odróżnić te możliwości? Odpowiedzi powinny znaleźć się w protokole, diagramie lub planie analizy, a nie dopiero w dyskusji po uzyskaniu wyników.

\n

Źródła i dalsza lektura

\n

1. Pearl, Judea (2009). Causality: Models, Reasoning, and Inference. 2nd edition. Cambridge University Press. Informacja wydawcy / źródło.
2. Rohrer, Julia M. (2018). Thinking Clearly About Correlations and Causation: Graphical Causal Models for Observational Data. Advances in Methods and Practices in Psychological Science, 1(1), 27–42. DOI: 10.1177/2515245917745629.
3. Hernán, Miguel A.; Robins, James M. (2020). Causal Inference: What If. Chapman & Hall/CRC. Informacja wydawcy / źródło.
4. VanderWeele, Tyler J. (2015). Explanation in Causal Inference: Methods for Mediation and Interaction. Oxford University Press. Informacja wydawcy / źródło.
5. VanderWeele, Tyler J. (2016). Explanation in causal inference: developments in mediation and interaction. International Journal of Epidemiology, 45(6), 1904–1908. DOI: 10.1093/ije/dyw277.

\n