📊 statistics

Treatment Choice with Nonlinear Regret

यह शोध पत्र सैंपलिंग अनिश्चितता के प्रति पारंपरिक विधियों की संवेदनशीलता को संबोधित करने के लिए कल्याण पछतावे (welfare regret) के एक गैर-रेखीय रूपांतरण के माध्य को न्यूनतम करने का प्रस्ताव देता है, जिससे माध्य वर्ग पछतावे (mean square regret) के लिए बंद-रूप (closed-form) इष्टतम उपचार नियम प्राप्त होते हैं और यह प्रदर्शित होता है कि इस ढांचे में सिंगलटन नियम अनिवार्य रूप से पूर्ण नहीं हैं।

मूल लेखक: Toru Kitagawa, Sokbae Lee, Chen Qiu

प्रकाशित 2026-06-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Toru Kitagawa, Sokbae Lee, Chen Qiu

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ किटागावा, ली और क्यू द्वारा लिखित शोध पत्र "ट्रीटमेंट चॉइस विद नॉनलीनियर रिग्रेट" (Treatment Choice with Nonlinear Regret) का सरल भाषा में अनुवाद दिया गया है।

मुख्य समस्या: "सब कुछ या कुछ भी नहीं" का जाल (The "All-or-Nothing" Trap)

कल्पना कीजिए कि आप एक डॉक्टर हैं जो यह तय कर रहे हैं कि मरीजों को एक नई दवा देनी है या नहीं। आप कुछ लोगों पर एक छोटा सा परीक्षण करते हैं।

यदि परीक्षण के परिणाम थोड़े सकारात्मक दिखते हैं, तो अर्थशास्त्र की मानक सलाह (जिसे "एम्पिरिकल सक्सेस" नियम कहा जाता है) कहती है: दवा सभी को दें।
यदि आपके परीक्षण में संयोगवश एक व्यक्ति को दवा से बुरा रिएक्शन हो जाता है, तो परिणाम थोड़े नकारात्मक हो जाते हैं। मानक सलाह तब कहती है: किसी को भी दवा न दें।

यह "सब कुछ या कुछ भी नहीं" का जाल है। मानक विधि अत्यंत संवेदनशील है। डेटा में थोड़ा सा रैंडम शोर (noise) निर्णय में एक बड़ा बदलाव ला सकता है—100% उपचार से सीधे 0% उपचार पर। यह जोखिम भरा है क्योंकि यदि आप अस्थिर डेटा के आधार पर सभी का इलाज करते हैं, और वास्तव में वह दवा अच्छी नहीं निकली, तो आप बहुत बड़ी क्षति (या "रिग्रेट") पहुँचा सकते हैं।

पुराना तरीका: औसत पछतावे (Average Regret) को कम करना

पारंपरिक रूप से, अर्थशास्त्री औसत (average) पछतावे को कम करने की कोशिश करते हैं। वे पूछते हैं: "गलत निर्णय लेने से औसतन हमें कितना कल्याण (welfare) का नुकसान होता है?"

समस्या यह है कि यह दृष्टिकोण अस्थिरता (volatility) की अनदेखी करता है। इसे इस बात से फर्क नहीं पड़ता कि पछतावा स्थिर और छोटा है, या यह आमतौर पर छोटा है लेकिन कभी-कभी विनाशकारी हो जाता है। यह एक ऐसे निवेशक की तरह है जिसे केवल अपने वार्षिक औसत रिटर्न की चिंता है, लेकिन इस बात की नहीं कि एक बुरे साल में वह दिवालिया हो सकता है।

नया तरीका: "स्क्वेयर्ड" (Squared) पछतावे को कम करना

लेखक इस समस्या को देखने का एक नया तरीका प्रस्तावित करते हैं। औसत पछतावे को देखने के बजाय, वे मीन स्क्वायर रिग्रेट (mean square regret) को देखते हैं।

उपमा: रोलर कोस्टर बनाम समतल सड़क
दो सड़कों की कल्पना करें:

सड़क A (मानक विधि): अधिकांश समय, सवारी सुचारू होती है। लेकिन कभी-कभी, आप एक बड़े गड्ढे में फंस जाते हैं जो आपको हवा में उछाल देता है। औसत ऊबड़-खाबड़पन ठीक लग सकता है, लेकिन अनुभव भयानक होता है।
सड़क B (नई विधि): सवारी कभी पूरी तरह से चिकनी नहीं होती, लेकिन यह कभी भयानक भी नहीं होती। यह एक निरंतर, हल्की ऊबड़-खाबड़ सवारी है।

नई विधि "बड़े पछतावे" को बहुत अधिक दंडित करती है। पछतावे का वर्ग (square) करने से, एक बड़ी गलती छोटे पछतावे की तुलना में स्कोर को बहुत अधिक नुकसान पहुँचाती है। यह निर्णय लेने वाले को "समतल सड़क" (सड़क B) चुनने के लिए मजबूर करता है—एक ऐसी रणनीति जो विनाशकारी गलतियों से बचती है, भले ही इसके लिए थोड़ा अधिक औसत लागत स्वीकार करनी पड़े।

समाधान: भिन्नात्मक उपचार (Fractional Treatment - "डिमर स्विच")

क्योंकि नई विधि बड़े जोखिमों से नफरत करती है, यह "सब कुछ या कुछ भी नहीं" वाले दृष्टिकोण को खारिज कर देती है। इसके बजाय, यह एक फ्रैक्शनल रूल (Fractional Rule) का सुझाव देती है।

निर्णय को एक लाइट स्विच (ऑन/ऑफ) के रूप में नहीं, बल्कि एक डिमर स्विच (dimmer switch) के रूप में सोचें।

यदि साक्ष्य कमजोर है: सभी का इलाज न करें, और किसी का भी इलाज न करें। मान लीजिए, 50% आबादी का इलाज करें। इससे जोखिम बंट जाता है। यदि उपचार बुरा है, तो केवल आधे लोग पीड़ित होंगे। यदि यह अच्छा है, तो आधे लोगों को लाभ होगा।
यदि साक्ष्य मजबूत है: डिमर को बढ़ाकर 90% या 95% कर दें।
यदि साक्ष्य बहुत मजबूत है: इसे 100% कर दें।

शोध पत्र यह सिद्ध करता है कि जब आप बड़े नुकसानों से बचना चाहते हैं, तो यह "डिमर स्विच" दृष्टिकोण गणितीय रूप से बेहतर है।

यह कैसे काम करता है: लॉजिस्टिक फॉर्मूला (The Logistic Formula)

लेखक एक सरल फॉर्मूला प्रदान करते हैं जिससे आप सटीक रूप से गणना कर सकते हैं कि डिमर स्विच को कहाँ सेट करना है। यह इस प्रकार दिखता है:

$\text{Treatment Fraction} = \frac{e^{2 \cdot 1.23 \cdot t\text{-statistic}}}{e^{2 \cdot 1.2.3 \cdot t\text{-statistic}} + 1}$

गणित से डरें नहीं। इसका सरल अर्थ यह है:

आप t-statistic की गणना करते हैं (एक मानक संख्या जो बताती है कि उपचार के लिए साक्ष्य कितने मजबूत हैं)।
आप इस फॉर्मूले में इसे डालते हैं।
परिणाम 0 और 1 के बीच की एक संख्या होती है।

पेपर से उदाहरण:

मानक विधि: यदि t-statistic सकारात्मक है, तो 100% इलाज करें। यदि यह नकारात्मक है, तो 0% इलाज करें।
नई विधि: यदि t-statistic सकारात्मक है लेकिन कमजोर है, तो फॉर्मूला कह सकता है "54% इलाज करें।" यदि डेटा थोड़ा बदलता है और t-statistic गिर जाता है, तो फॉर्मूला कह सकता है "46% इलाज करें।"

अंतर देख रहे हैं? मानक विधि 100% से 0% पर कूद जाती है। नई विधि 54% से 46% तक धीरे से बदलती है। यह बहुत अधिक स्थिर है और आपदा के प्रति कम संवेदनशील है।

यह क्यों महत्वपूर्ण है: साक्ष्य एक "स्ट्रेंथ मीटर" के रूप में

लेखक तर्क देते हैं कि यह भिन्नात्मक संख्या (fractional number) केवल एक नीति उपकरण नहीं है; यह विज्ञान रिपोर्ट करने का एक बेहतर तरीका भी है।

P-values (वैज्ञानिकों द्वारा परिणामों को रिपोर्ट करने का मानक तरीका) को अक्सर गलत समझा जाता है। 0.04 का P-value यह नहीं बताता कि उपचार कितना प्रभावी है, बल्कि यह बताता है कि यह शून्य होने की संभावना कितनी कम है।
नया फ्रैक्शन (The New Fraction) आपको साक्ष्य की मजबूती बताता है।
- 0.9 का फ्रैक्शन कहता है: "हमें पूरा विश्वास है कि यह काम करता है; अधिकांश लोगों का इलाज करें।"
- 0.5 का फ्रैक्शन कहता है: "साक्ष्य कमजोर हैं; हम अनिश्चित हैं, इसलिए आइए सावधान रहें और केवल आधे लोगों का इलाज करें।"

लाभों का सारांश

सुरक्षा: यह रैंडम सैंपलिंग त्रुटियों के कारण होने वाले विनाशकारी कल्याण नुकसानों को रोकता है।
सरलता: फॉर्मूला की गणना करना आसान है। आपको बस अपने प्रयोग से मानक t-statistic की आवश्यकता है।
दक्षता: पेपर दिखाता है कि यदि आप पुराने "सब कुछ या कुछ भी नहीं" वाले तरीके का उपयोग करते हैं, तो आपको सुरक्षित रहने के लिए बहुत अधिक डेटा (बड़ा सैंपल साइज) की आवश्यकता होगी। नया तरीका आपको कम प्रतिभागियों के साथ उतनी ही सुरक्षा प्राप्त करने में मदद करता है।
- उदाहरण: एक निश्चित स्तर की सुरक्षा प्राप्त करने के लिए, पुराने तरीके को 1,000 मरीजों की आवश्यकता हो सकती है। नए तरीके को केवल 700 की आवश्यकता हो सकती है।

निष्कर्ष

यह शोध पत्र तर्क देता है कि हमें नीतिगत निर्णयों को बाइनरी लाइट स्विच की तरह मानना बंद कर देना चाहिए। "डिमर स्विच" दृष्टिकोण का उपयोग करके जो बड़े पछतावे (nonlinear regret) को दंडित करता है, हम कम डेटा के साथ अधिक सुरक्षित, अधिक स्थिर और अधिक कुशल निर्णय ले सकते हैं। यह उपचार के अंश (treatment fraction) को साक्ष्य की मजबूती का एक स्पष्ट, सहज माप बना देता है।

तकनीकी सारांश: गैर-रेखीय पछतावा (Nonlinear Regret) के साथ उपचार चयन

समस्या और प्रेरणा
यह शोध पत्र सांख्यिकीय उपचार चयन (statistical treatment choice) की समस्या को संबोधित करता है, विशेष रूप से यह कि रैंडमाइज्ड कंट्रोल्ड ट्रायल्स (RCTs) के डेटा का उपयोग कल्याण-इष्टतम नीतिगत निर्णयों (welfare-optimal policy decisions) को सूचित करने के लिए कैसे किया जाए। मौजूदा साहित्य, जिसकी शुरुआत मान्स्की (2004) द्वारा की गई थी, मुख्य रूप से औसत कल्याण पछतावे (mean welfare regret/expected regret) को कम करने पर केंद्रित है। इस मानदंड के तहत, इष्टतम निर्णय नियम आमतौर पर "सिंगलटन नियम" (singleton rules) होते हैं, जो डेटा के आधार पर या तो पूरी आबादी का उपचार करने या किसी का भी उपचार न करने का निर्देश देते हैं। लेखक तर्क देते हैं कि यह दृष्टिकोण नमूना अनिश्चितता (sampling uncertainty) के प्रति संवेदनशील है। उदाहरण के लिए, छोटे नमूनों में, डेटा में एक मामूली उतार-चढ़ाव नियम को अचानक सभी के उपचार से बदलकर किसी का भी उपचार न करने की ओर ले जा सकता है, जिससे कल्याण में उच्च विचलन (variance) और खराब स्थितियों में बड़े कल्याण नुकसान हो सकते हैं। औसत पछतावा प्रतिमान (mean regret paradigm) निर्णय लेने वालों की ऐसी अस्थिरता या बड़े नुकसान के प्रति अरुचि को पकड़ने में विफल रहता है।

कार्यप्रणाली (Methodology)
इन सीमाओं को दूर करने के लिए, लेखक सांख्यिकीय निर्णय सिद्धांत (statistical decision theory) पर आधारित एक नया ढांचा प्रस्तावित करते हैं जो कल्याण पछतावे के एक गैर-रेखीय रूपांतरण (nonlinear transformation) के माध्य को कम करता है। यदि $g(\cdot)$ एक गैर-रेखीय, सख्ती से बढ़ता हुआ फलन है जहाँ $g'(0)=0$ है, तो एक उपचार नियम $\hat{\delta}$ का प्रदर्शन निम्नलिखित माध्यम से किया जाता है:
$R_g(\hat{\delta}, P) := E_{P^n}[g(\text{Reg}(\hat{\delta}))]$
जहाँ $\text{Reg}(\hat{\delta})$ अप्राप्य इष्टतम नीति (infeasible optimal policy) के सापेक्ष कल्याण पछतावा है। शोध पत्र विशेष रूप से उस मामले पर ध्यान केंद्रित करता है जहाँ $g(r) = r^2$ है, जिसे मीन स्क्वायर रिग्रेट (mean square regret) कहा जाता है। यह मानदंड न केवल उच्च औसत पछतावे के लिए, बल्कि पछतावे के उच्च विचलन (जो कल्याण के उच्च विचलन के बराबर है) के लिए भी दंडित करता है।

विश्लेषण दो चरणों में आगे बढ़ता है:

परिमित नमूना विश्लेषण (Finite Sample Analysis): लेखक ज्ञात विचरण वाले एक गौसियन प्रयोग (Gaussian experiment) के भीतर विशेष रूप से सीमित नमूनों के लिए बेयस (Bayes) और मिनिमैक्स (minimax) इष्टतम नियम व्युत्पन्न करते हैं।
अनंत नमूना विश्लेषण (Asymptotic Analysis): ली कैम (1986) और हिरानो एवं पोर्टर (2009) द्वारा पेश किए गए 'लिमिट एक्सपेरिमेंट फ्रेमवर्क' का उपयोग करते हुए, लेखक नियमित पैरामीट्रिक मॉडल के लिए बड़े नमूनों के लिए परिणामों का विस्तार करते हैं।

प्रमुख योगदान और परिणाम

सिंगलटन नियमों की अपूर्णता और अमान्यता (Incompleteness and Inadmissibility):
शोध पत्र सिद्ध करता है कि सिंगलटन नियम अनिवार्य रूप से पूर्ण नहीं हैं और गैर-रेखीय पछतावा मानदंडों के तहत अक्सर अमान्य (inadmissible) होते हैं।

प्रमेय 3.1: यह दिखाता है कि वितरणों के एक विस्तृत वर्ग और हल्के अनुकूलन शर्तों को पूरा करने वाले गैर-रेखीय रूपांतरणों के लिए, सिंगलटन नियमों का वर्ग अनिवार्य रूप से पूर्ण नहीं है। इसका तात्पर्य यह है कि भिन्नात्मक नियम (fractional rules)—जो जनसंख्या के एक हिस्से को उपचार आवंटित करते हैं—को विचार से हटाया नहीं जा सकता।
प्रमेय 3.2: यह प्रदर्शित करता है कि एक-पैरामीटर एक्सपोनेंशियल फैमिली और समरूप गैर-रेखीय रूपांतरणों (डिग्री $\alpha > 1$ ) के लिए, सिंगलटन थ्रेशोल्ड नियम अमान्य हैं। यह औसत पछतावे के परिणामों के बिल्कुल विपरीत है, जहाँ सिंगलटन नियम स्वीकार्य (admissible) होते हैं।

परिमित नमूना इष्टतम नियम (मीन स्क्वायर रिग्रेट):

बेयस इष्टतमता (Bayes Optimality): बेयस इष्टतम नियम आम तौर पर भिन्नात्मक (fractional) होता है। इसे एक "टिल्टेड" (tilted) पोस्टीरियर प्रोबेबिलिटी मैचिंग नियम के रूप में वर्णित किया गया है। विशेष रूप से, उपचार अंश (treatment fraction) वह पोस्टीरियर प्रायिकता है कि उपचार प्रभाव सकारात्मक है, जिसे उपचार प्रभाव के वर्ग द्वारा भारित (weighted) किया गया है। यदि प्रायर (prior) दो सममित बिंदुओं पर समर्थित है, तो यह मानक थॉम्पसन सैंपलिंग (पोस्टीरियर प्रोबेबिलिटी मैचिंग) नियम में बदल जाता है।
मिनिमैक्स इष्टतमता (Minimax Optimality): मिनिमैक्स इष्टतम नियम एक 'लीस्ट फेवरेबल प्रायर' (least favorable prior) की पहचान करके व्युत्पन्न किया जाता है। लेखक दिखाते हैं कि लीस्ट फेवरेबल प्रायर दो सममित बिंदुओं $\{\tau^*, -\tau^*\}$ पर समर्थित है जहाँ $\tau^* \approx 1.23$ है। परिणामी मिनिमैक्स नियम सैंपल मीन (या t-statistic) का एक लॉजिस्टिक रूपांतरण है:
$\hat{\delta}^*(\bar{Y}_1) = \frac{\exp(2\tau^* \bar{Y}_1)}{\exp(2\tau^* \bar{Y}_1) + 1}$
यह नियम ट्यूनिंग-पैरामीटर-मुक्त और गणना में आसान है।

अनंत इष्टतमता (Asymptotic Optimality):
लिमिट एक्सपेरिमेंट में, लेखक व्यवहार्य और अनंत रूप से इष्टतम नियम व्युत्पन्न करते हैं।

मिनिमैक्स नियम: अनंत रूप से मिनिमैक्स इष्टतम नियम अपनी लॉजिस्टिक संरचना को बनाए रखता है, जिसे औसत उपचार प्रभाव के t-सांख्यिकी पर लागू किया जाता है।
बेयस नियम: अनंत रूप से बेयस इष्टतम नियम एक टिल्टेड पोस्टीरियर प्रोबेबिलिटी मैचिंग नियम है। रेखीय पछतावे के मामले में जहाँ बेय और मिनिमैक्स नियम समान 'एम्पेरिकल सक्सेस (ES)' नियम की ओर अभिसरित (converge) होते हैं, वहीं मीन स्क्वायर रिग्रेट के तहत, बेय और मिनिमैक्स नियम अलग रहते हैं, हालांकि मीन स्क्वायर रिग्रेट के संदर्भ में उनका प्रदर्शन मात्रात्मक रूप से समान होता है।

अनुप्रयोग (Applications):

नॉर्मल रिग्रेशन मॉडल: ढांचे को बाइनरी ट्रीटमेंट वाले नॉर्मल रिग्रेशन मॉडल पर लागू किया गया है। लेखक अपने परिमित-नमूना मिनिमैक्स नियम और अनंत रूप से मिनिमैक्स व्यवहार्य नियम के लिए क्लोज्ड-फॉर्म एक्सप्रेशन प्रदान करते हैं, जिन्हें चिकित्सक OLS अनुमानों का उपयोग करके लागू कर सकते हैं।
नमूना आकार गणना (Sample Size Calculations): शोध पत्र सिंगलटन नियमों (ES और हाइपोथीसिस टेस्टिंग नियम) की दक्षता की तुलना प्रस्तावित मिनिमैक्स नियम से करता है। यह दिखाता है कि सिंगलटन नियम मीन स्क्वायर रिग्रेट के मामले में काफी कम कुशल हैं। उदाहरण के लिए, समान वर्स्ट-केस मीन स्क्वायर रिग्रेट प्राप्त करने के लिए, ES नियम को लगभग 40% अधिक अवलोकनों (observations) की आवश्यकता होती है, और हाइपोथीसिस टेस्टिंग नियम को प्रस्तावित मिनिमैक्स नियम की तुलना में लगभग 11 गुना अधिक अवलोकनों की आवश्यकता होती है।

महत्व और व्याख्या
लेखक अपने दृष्टिकोण के लिए कई प्रमुख महत्व का दावा करते हैं:

भिन्नात्मक नियमों का औचित्य: यह शोध पत्र मॉडल अस्पष्टता (model ambiguity) या गैर-रेखीय कल्याण फलनों के बिना मानक सेटिंग्स में भिन्नात्मक उपचार असाइनमेंट नियमों को लागू करने के लिए एक निर्णय-सैद्धांतिक औचितता प्रदान करता है।
पछतावा अरुचि (Regret Aversion): यह दृष्टिकोण निर्णय सिद्धांत (Hayashi, 2008) से 'पछतावा अरुचि' की अवधारणा के अनुरूप है, जो खराब स्थितियों में बड़े कल्याण नुकसानों के प्रति निर्णय लेने वालों की चिंता को समायोजित करता है।
सारांश सांख्यिकी (Summary Statistic): क्योंकि इष्टतम नियम भिन्नात्मक (0 और 1 के बीच के मान) हैं, उन्हें एक सारांश सांख्यिकी के रूप में व्याख्यायित किया जा सकता है जो उपचार के पक्ष में साक्ष्य की शक्ति को मापता है। लेखक सुझाव देते हैं कि यह मीट्रिक p-वैल्यू के विकल्प के रूप में कार्य कर सकता है, जो केवल परिकल्पना परीक्षण के बजाय एक अनुकूलतम मानदंड (minimax mean square regret) पर आधारित विश्वास का स्तर प्रदान करता है।
सुगमता (Tractability): सैद्धांतिक बदलाव के बावजूद, परिणामी इष्टतम नियम सरल, क्लोज्ड-फॉर्म और चिकित्सकों के लिए लागू करने में आसान हैं।