التجربة الطبيعية: عندما يخلق الواقع مقارنة بحثية لا يستطيع الباحث تعيينها
التجربة الطبيعية Natural Experiment هي تصميم رصدي يستفيد من حدث أو سياسة أو تغير خارجي يوزع التعرض بين مجموعات بطريقة ليست تحت تحكم الباحث. قد يكون المثال تغيير قانون، افتتاح بنية نقل، تطبيق سياسة ضريبية أو تغير بيئي. قوة التصميم تأتي عندما يكون سبب التعرض الخارجي قريبًا من العشوائية بالنسبة للعوامل التي تحدد النتيجة، لكن هذا الافتراض يحتاج فحصًا ولا يُمنح تلقائيًا لأن الحدث «طبيعي».
متى تكون مفيدة؟ عندما يكون إجراء تجربة عشوائية غير أخلاقي أو غير عملي أو مستحيل، خصوصًا في سياسات السكان والصحة العامة. توصي إرشادات MRC باستخدامها عندما يوفر التغير الخارجي فرصة منطقية لتقدير أثر سببي، مع تصميم وتحليل يختبران مصادر التحيز بدل الاكتفاء بالمقارنة قبل وبعد.
لماذا قبل/بعد وحدها ضعيفة؟ إذا تحسنت النتيجة بعد سياسة جديدة، فقد يكون السبب اتجاهًا زمنيًا أو تغيرًا اقتصاديًا أو وباءً أو حملة أخرى. لذلك تحتاج التجربة الطبيعية إلى مجموعة مقارنة أو نموذج يساعد على فصل أثر الحدث عن التغيرات الأخرى.
تصميمات شائعة Difference-in-Differences يقارن التغير عبر الزمن بين مجموعة تعرضت للسياسة وأخرى لم تتعرض، مع افتراض مهم هو اتجاهات متوازية معقولة قبل الحدث. Regression Discontinuity يستفيد من عتبة تحدد التعرض، مثل درجة أهلية، ويقارن من يقع قرب جانبي العتبة. Interrupted Time Series يستخدم سلسلة زمنية طويلة قبل وبعد التغير لتمييز التحول المفاجئ أو تغير الاتجاه عن الضوضاء الطبيعية. وقد تستخدم متغيرات أداتية عندما توجد أداة تؤثر في التعرض من دون مسار مباشر للنتيجة سوى عبر ذلك التعرض، وهو افتراض قوي يحتاج دفاعًا دقيقًا.
التهديدات الرئيسية الاختلافات السابقة بين المجموعات، تغير تركيب السكان، أحداث متزامنة، القياس الذي يتغير مع الزمن، والهجرة بين المجموعات. كذلك قد يتوقع الناس السياسة ويغيروا سلوكهم قبل تنفيذها، ما يضعف نقطة القطع الزمنية.
ماذا يجب أن يوضح التقرير؟ لماذا يُعد تخصيص التعرض خارجيًا؟ ما المجموعة المقارنة ولماذا هي مناسبة؟ ما الفرضيات السببية؟ هل اختُبرت الاتجاهات قبل الحدث؟ هل توجد تحليلات حساسية أو نتائج سلبية ضابطة؟ هل تغير تعريف النتيجة أو طريقة جمعها؟ وهل الأثر قابل للتعميم خارج السكان والسياسة المدروسة؟
لا تساوي التجربة العشوائية يمكن لتجربة طبيعية جيدة أن تقدم دليلًا سببيًا قويًا، لكنها لا تصبح تجربة عشوائية بالاسم. جودة الاستدلال تعتمد على آلية التخصيص والافتراضات والتحليل والبيانات، لا على الملصق التصميمي.