📈 economics

The Generalized Falsification Adaptive Set for Violations of the Exclusion Restriction and Exogeneity

यह शोधपत्र यह प्रदर्शित करके फाल्सिफिकेशन एडेप्टिव सेट (FAS) ढांचे का विस्तार करता है कि उपकरण की अमान्यता की प्रकृति (कन्फाउंडर बनाम कोलाइडर) पहचान को महत्वपूर्ण रूप से प्रभावित करती है, और एक सामान्यीकृत FAS प्रस्तावित करता है जो यह गारंटी देता है कि यदि कम से कम एक उपकरण वैध रहता है, तो वास्तविक पैरामीटर का समावेश सुनिश्चित होगा।

मूल लेखक: Nicolas Apfel, Frank Windmeijer

प्रकाशित 2026-07-02

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Nicolas Apfel, Frank Windmeijer

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

कल्पना कीजिए कि आप एक रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं: किसी विशिष्ट कार्य (जैसे हाईवे बनाना) का किसी परिणाम (जैसे शहर के व्यापार) पर वास्तविक प्रभाव क्या है?

इसे हल करने के लिए, आप केवल डेटा को सीधे नहीं देख सकते क्योंकि अन्य छिपे हुए कारक आपके चित्र को बिगाड़ सकते हैं। इसलिए, आप "सुरागों" का उपयोग करते हैं जिन्हें इंस्ट्रूमेंट्स (Instruments) कहा जाता है। ये ऐसी चीजें हैं जो कार्य को प्रभावित करती हैं लेकिन सीधे परिणाम को प्रभावित नहीं करतीं, सिवाय उस कार्य के माध्यम से।

हालाँकि, कभी-कभी आपके सुराग दोषपूर्ण हो सकते हैं। वे "अमान्य" हो सकते हैं। यह शोध पत्र इस बारे में है कि जब आपके सुराग खराब होते हैं, तो क्या होता है, और बिना धोखा खाए सच्चाई को कैसे खोजा जाए।

यहाँ सरल उपमाओं का उपयोग करके शोध पत्र के विचारों का विवरण दिया गया है:

1. सुराग टूटने के दो तरीके

लेखक कहते हैं कि जब एक सुराग (इंस्ट्रूमेंट) खराब होता है, तो वह दो बहुत अलग तरीकों से विफल होता है। इन्हें "बुरे अभिनेताओं" के रूप में सोचें:

"द मेडलर" (Exclusion का उल्लंघन): यह सुराग वास्तव में परिणाम का एक सीधा कारण है, न कि केवल कार्य का।
- उपमा: कल्पना कीजिए कि आप यह देखने की कोशिश कर रहे हैं कि क्या बारिश के कारण ट्रैफिक होता है। आप अपने सुराग के रूप में बादलों का उपयोग करते हैं। लेकिन क्या होगा यदि बादल वास्तव में एक भारी भार ढो रहे हैं जो कारों को कुचल देता है? बादल केवल बारिश की भविष्यवाणी नहीं कर रहे हैं; वे सीधे कारों को कुचल रहे हैं। इस मामले में, आपको उनके सीधे नुकसान को नियंत्रित करने के लिए विश्लेषण में बादलों को शामिल (include) करना होगा।
"द कॉलुडर" (Exogeneity का उल्लंघन): यह सुराग उन छिपे हुए रहस्यों (त्रुटि पद/error term) से प्रभावित होता है जिनसे आप बचना चाह रहे हैं।
- उपमा: कल्पना कीजिए कि आप यह देखने की कोशिश कर रहे हैं कि क्या पढ़ाई से अच्छे ग्रेड मिलते हैं। आप अपने सुराग के रूप में सामने वाली पंक्ति में बैठने का उपयोग करते हैं। लेकिन क्या होगा यदि शिक्षक केवल सबसे बुद्धिमान छात्रों (जिन्हें वैसे भी अच्छे ग्रेड मिलते) को ही सामने वाली पंक्ति में बैठाता है? सुराग "बुद्धिमत्ता" के साथ "मिलीभगत" (colluding) कर रहा है। इस मामले में, आपको सुराग को पूरी तरह से बाहर (exclude) कर देना चाहिए, अन्यथा यह आपको धोखा देगा।

बड़ी समस्या: पिछला तरीका (मैस्टेन और पोइरियर द्वारा) यह मानकर चलता था कि सभी खराब सुराग "मेडलर" थे। लेखक दिखाते हैं कि यदि आप एक "कोलुडर" के साथ "मेडलर" जैसा व्यवहार करते हैं (या इसके विपरीत), तो आपका अंतिम उत्तर गलत होगा, और आप अनजाने में वास्तविक उत्तर को बाहर निकाल सकते हैं।

2. "फॉल्सिफिकेशन एडेप्टिव सेट" (FAS)

जब आपका मॉडल "फॉल्सिफाइड" (अर्थात सुराग आपस में पूरी तरह फिट नहीं बैठते) होता है, तो आप उत्तर के लिए एक एकल संख्या नहीं दे सकते। इसके बजाय, आप संभावित उत्तरों की एक सीमा (range) देते हैं जो सच हो सकती है यदि आप अपने नियमों को थोड़ा ढीला कर दें।

लेखकों ने एक नया उपकरण बनाया है जिसे जनरलाइज्ड फॉल्सिफिकेशन एडेप्टिव सेट (Generalized FAS) कहा जाता है।

पुराना तरीका: आपको अनुमान लगाना पड़ता था कि सुराग कैसे टूटे हैं। यदि आपने "मेडलर" का अनुमान लगाया, तो आपको एक सीमा मिली। यदि आपने "कोलुडर" का अनुमान लगाया, तो आपको एक अलग सीमा मिली। यदि आपका अनुमान गलत निकला, तो वास्तविक उत्तर आपकी सीमा के बाहर हो सकता है।
नया तरीका (Generalized FAS): लेखक कहते हैं, "चलिए अनुमान नहीं लगाते।" इसके बजाय, आइए हर संभव सीमा बनाएँ जो टूटे हुए सुरागों के हर संभावित संयोजन के लिए हो। फिर, हम उन सभी सीमाओं का यूनियन (Union) (बड़ा छाता) लेते हैं।

परिणाम: जब तक आपके पास कम से कम एक अच्छा सुराग प्रासंगिक है, यह बड़ा छाता गारंटी के साथ वास्तविक उत्तर को पकड़ लेगा, चाहे अन्य सुराग कैसे भी टूटे हों। आपको यह जानने की आवश्यकता नहीं है कि कौन से सुराग "मेडलर" हैं और कौन से "कोलुडर" हैं।

3. "सड़कें और व्यापार" का उदाहरण

यह सिद्ध करने के लिए कि यह काम करता है, लेखकों ने हाईवे और व्यापार के बारे में एक वास्तविक अध्ययन देखा।

उन्होंने तीन ऐतिहासिक सुरागों का उपयोग किया: 1947 के हाईवे प्लान, 1898 के रेलमार्ग मार्ग, और पुराने अन्वेषण पथ।
डेटा ने दिखाया कि सुराग पूरी तरह से फिट नहीं बैठे (मॉडल "फॉल्सिफाइड" था)।
उन्होंने सभी संभावित तरीकों के लिए गणना की कि ये सुराग कैसे टूट सकते हैं।
निष्कर्ष: "जनरलाइज्ड FAS" एक विस्तृत सीमा (-0.61 से 3.74 तक) थी। यह विस्तृत थी क्योंकि इसने सभी संभावनाओं को कवर किया। हालाँकि, यह एकमात्र सेट था जो गारंटी के साथ वास्तविक प्रभाव को शामिल करेगा, भले ही शोधकर्ताओं को यह न पता हो कि कौन सा ऐतिहासिक मार्ग "मेडलर" है और कौन सा "कोलुडर" है।

4. मुख्य निष्कर्ष (Takeaway)

चौकोर खांचे को गोल खांचे में जबरदस्ती न डालें: आप सभी खराब सुरागों के साथ एक जैसा व्यवहार नहीं कर सकते। कुछ को नियंत्रित करने की आवश्यकता है; अन्य को बाहर निकालने की।
सुरक्षा जाल (The Safety Net): यदि आप सुनिश्चित नहीं हैं कि कौन से सुराग टूटे हुए हैं और कैसे, तो केवल एक विधि न चुनें। Generalized FAS का उपयोग करें। यह एक सुरक्षा जाल की तरह है जो सच्चाई को पकड़ लेता है, भले ही आपको यह न पता हो कि आपकी तर्क प्रक्रिया में छेद कहाँ हैं, बशर्ते आपके पास शुरू करने के लिए कम से कम एक ठोस सुराग हो।
चेरी-पिकिंग (Cherry-Picking) से बचें: यह शोध पत्र चेतावनी देता है कि शोधकर्ता केवल उस संकीर्ण सीमा को न चुनें जो अच्छी दिखती हो। यदि आप इस अनुमान के आधार पर एक संकीर्ण सीमा चुनते हैं कि सुराग कैसे टूटे हैं, तो आप सच्चाई को खो सकते हैं। वह व्यापक, सुरक्षित सीमा रिपोर्ट करना बेहतर है जो सभी संभावनाओं को ध्यान में रखती है।

संक्षेप में: जब आपके उपकरण टूटे हुए हों, तो अनुमान न लगाएं कि वे कैसे टूटे हैं। एक ऐसा जाल बनाएँ जो हर उस तरीके को कवर करे जिससे वे टूट सकते हैं, ताकि आप गारंटी के साथ सच्चाई को पकड़ सकें।

तकनीकी सारांश: अपवर्जन प्रतिबंध (Exclusion Restriction) और बाह्यता (Exogeneity) के उल्लंघन के लिए सामान्यीकृत फाल्सिफिकेशन एडेप्टिव सेट (Generalized Falsification Adaptive Set)

समस्या विवरण
इंस्ट्रुमेंटल वेरिएबल्स (IV) अनुमान दो मुख्य पहचान संबंधी मान्यताओं पर निर्भर करते हैं: अपवर्जन प्रतिबंध (उपकरण केवल उपचार के माध्यम से परिणाम को प्रभावित करते हैं) और बाह्यता (उपकरण परिणाम के अज्ञात निर्धारकों के साथ असंबद्ध होते हैं)। जब ओवरआइडेंटिफाइंग रिस्ट्रिक्शन टेस्ट द्वारा आधारभूत मॉडल (baseline model) को गलत सिद्ध (falsified) कर दिया जाता है, तो शोधकर्ताओं के पास उपचार प्रभाव, $\beta$ , के लिए एक बिंदु अनुमान (point estimate) की कमी होती है। मास्टन और पोइरियर (2021, आगे से MP) ने फाल्सिफिकेशन को टालने के लिए आवश्यक मान्यताओं के न्यूनतम विशेषाधिकार (minimal relaxation) के तहत एक पहचाने गए सेट (identified set) को परिभाषित करने के लिए 'फाल्सिफिकेशन एडेप्टिव सेट' (FAS) का प्रस्ताव दिया।

हालाँकि, MP का दृष्टिकोण यह मानता है कि अमान्य उपकरण केवल अपवर्जन प्रतिबंध का उल्लंघन करते हैं। यह शोध पत्र प्रदर्शित करता है कि उल्लंघन की प्रकृति अत्यंत महत्वपूर्ण है। एक अमान्य उपकरण एक कन्फाउंडर (confounder) के रूप में कार्य कर सकता है (अपवर्जन के माध्यम से बाह्यता का उल्लंघन करना, जहाँ $\gamma \neq 0$ ) या एक कोलाइडर (collider) के रूप में कार्य कर सकता है (बाह्यता का उल्लंघन करना, जहाँ $\alpha \neq 0$ )। इन दो प्रकार के उल्लंघनों के लिए विपरीत उपचारों की आवश्यकता होती है: कन्फाउंडर्स को नियंत्रित किया जाना चाहिए (नियंत्रक के रूप में शामिल किया जाना चाहिए), जबकि कोलाइडर्स को विश्लेषण से बाहर रखा जाना चाहिए। पत्र तर्क देता है कि यदि MP के अपवर्जन-आधारित $FAS_{excl}$ को तब लागू किया जाता है जब उपकरण वास्तव में बाह्यता का उल्लंघन कर रहे हों (या इसके विपरीत), तो परिणामी FAS वास्तविक पैरामीटर $\beta$ को बाहर कर सकता है, भले ही एक वैध उपकरण मौजूद हो।

कार्यप्रणाली और मॉडल
लेखक एक रैखिक मॉडल $Y = X\beta + E$ पर विचार करते हैं, जहाँ $E = Z\gamma + U$ और $cov(Z, U) = \alpha$ है।

अपवर्जन उल्लंघन (Exclusion Violation): $\gamma_\ell \neq 0$ (उपकरण $\ell$ का $Y$ पर सीधा प्रभाव है)।
बाह्यता उल्लंघन (Exogeneity Violation): $\alpha_\ell \neq 0$ (उपकरण $\ell$ त्रुटि पद (error term) के साथ सह-संबंधित है)।
वैधता (Validity): एक उपकरण वैध है यदि $\gamma_\ell = \alpha_\ell = 0$ है।

लेखक विशिष्ट उल्लंघन पैटर्न के लिए विशिष्ट FAS व्युत्पन्न करते हैं:

$FAS_{excl}$ : इस धारणा के तहत व्युत्पन्न कि सभी अमान्य उपकरण केवल अपवर्जन का उल्लंघन करते हैं ( $\alpha = 0$ )। इस सेट का निर्माण अपवर्चन सीमाओं ( $|\gamma| \leq \delta$ ) को शिथिल करके किया जाता है।
$FAS_{exo}$ : इस धारणा के तहत व्युत्पन्न कि सभी अमान्य उपकरण केवल बाह्यता का उल्लंघन करते हैं ( $\gamma = 0$ )। इस सेट का निर्माण बाह्यता सीमाओं ( $|\alpha| \leq \eta$ ) को शिथिल करके किया जाता है।
वैकल्पिक व्युत्पत्ति: शोध पत्र जनसंख्या 2SLS ऑब्जेक्टिव फंक्शन के माध्यम से फाल्सिफिकेशन फ्रंटियर की एक वैकल्पिक व्युत्पत्ति प्रदान करता है, जो स्पष्ट करता है कि ये सेट गैर-फाल्सिफिकेशन की ओर ले जाने वाले मोमेंट कंडीशंस के न्यूनतम विशेषाधिकारों का प्रतिनिधित्व करते हैं, चाहे उल्लंघन का प्रकार कुछ भी हो।

मुख्य योगदान
यह शोध पत्र तीन योगदान देता है:

उल्लंघन के प्रकारों का अंतर: लेखक दिखाते हैं कि अमान्य उपकरण का गलत वर्गीकरण (एक कन्फाउंडर को कोलाइडर के रूप में या इसके विपरीत मानना) के कारण परिणामी FAS संभावित रूप से वास्तविक $\beta$ को बाहर कर सकता है। वे प्रदर्शित करते हैं कि $FAS_{excl}$ और $FAS_{exo}$ अलग-अलग सेट हैं, और दोनों के बीच चयन उल्लंघन तंत्र के बारे में शोधकर्ता की धारणा पर निर्भर करता है।
पैटर्न-विशिष्ट FAS: लेखक प्रत्येक संभव अपवेशन और बाह्यता उल्लंघन संयोजन के लिए एक पैटर्न-विशिष्ट FAS व्युत्पन्न करते हैं। धारणा 6 के तहत, एक अमान्य उपकरण या तो अपवेशन या बाह्यता का उल्लंघन करता है, लेकिन दोनों का नहीं ( $\gamma_\ell \alpha_\ell = 0$ )। $k_z$ उपकरणों के लिए, $S = 2^{k_z}$ ऐसे पैटर्न होते हैं।
सामान्यीकृत FAS ( $FAS_G$ ): उल्लंघन के विशिष्ट पैटर्न के संबंध में शोधकर्ता की अनिश्चितता (agnosticism) को संबोधित करने के लिए, लेखक सभी पैटर्न-विशिष्ट FAS के संघ (union) के रूप में सामान्यीकृत फाल्सिफिकेशन एडेप्टिव सेट का प्रस्ताव करते हैं:
$FAS_G = \bigcup_{s=1}^{S} FAS_s$
वे सिद्ध करते हैं कि यदि कम से कम एक वैध और प्रासंगिक उपकरण मौजूद है, और शोधकर्ता अमान्य उपकरणों के अनुसार उपकरणों को सही ढंग से रूपांतरित करता है, तो गारंटी है कि वास्तविक $\beta$ , $FAS_G$ के भीतर होगा।

परिणाम और अनुभवजन्य चित्रण
शोध पत्र अपने परिणामों को ड्यूरंटन एट अल (2014) के "रोड्स एंड ट्रेड" अनुप्रयोग का उपयोग करके प्रदर्शित करता है, जो निर्यात की प्रवृत्ति पर अंतरराज्यीय राजमार्गों के प्रभाव का अनुमान लगाने के लिए तीन ऐतिहासिक उपकरणों का उपयोग करता है।

फाल्सिफिकेशन: तीनों उपकरणों के साथ आधारभूत मॉडल को गलत सिद्ध किया गया है (J-टेस्ट p-वैल्यू 0.043)।
सेट्स का विचलन: अनुभवजन्य विश्लेषण $FAS_{excl}$ , $FAS_{exo}$ , और सामान्यीकृत सेट के बीच महत्वपूर्ण अंतर दिखाता है। उदाहरण के लिए, $FAS_{exo}$ एक संकीर्ण अंतराल $[0.13, 1.09]$ देता है, जबकि $FAS_{excl}$ $[-0.32, 3.16]$ देता है।
सामान्यीकृत सेट: सामान्यीकृत FAS ( $FAS_G$ ) आठ पैटर्न-विशिष्ट सेट्स का संघ है, जिसके परिणामस्वरूप $[-0.61, 3.74]$ प्राप्त होता है। लेखक नोट करते हैं कि हालांकि यह अंतराल विस्तृत है, यह संघ ऑपरेशन का परिणाम नहीं है, बल्कि एक विशिष्ट उल्लंघन पैटर्न को दर्शाता है (जहाँ एक उपकरण कन्फाउंडर है और दूसरा कोलाइडर है) जिसे बिना अतिरिक्त धारणाओं के बाहर नहीं किया जा सकता है।
कमजोर उपकरण (Weak Instruments): शोध पत्र MP द्वारा उपयोग किए गए "कमजोर उपकरण" कटऑफ (F-सांख्यिकी < 10) के प्रभाव पर चर्चा करता है। इस कटऑफ के आधार पर कमजोर वर्गीकृत उपकरणों को हटाने से अनजाने में मॉडल विनिर्देश बदल सकता है (उदाहरण के लिए, एक ऐसे उपकरण को बाहर करना जो नियंत्रण के रूप में होना चाहिए), जिससे FAS आधारभूत मॉडल के फाल्सिफिकेशन से प्रेरित नहीं रह जाता है।

महत्व और दावे
लेखक यह दावा नहीं करते हैं कि कोई एक विशिष्ट FAS सभी संदर्भों में बेहतर है। इसके बजाय, वे तर्क देते हैं कि FAS का चुनाव उल्लंघन के प्रकार से मेल खाना चाहिए।

यदि शोधकर्ता उल्लंघन के प्रकारों के बारे में अनिश्चित (agnostic) है, तो सामान्यीकृत FAS उपयुक्त है, क्योंकि यह गारंटी देता है कि यदि कम से कम एक उपकरण वैध और प्रासंगिक है, तो वास्तविक $\beta$ शामिल होगा।
यदि डोमेन ज्ञान शोधकर्ता को कुछ या सभी उपकरणों के लिए उल्लंघन के प्रकार को निर्धारित करने की अनुमति देता है, तो सेट को एक विशिष्ट पैटर्न-आधारित FAS तक "शार्पन" (sharpen) किया जा सकता है, जो सामान्यीकृत सेट की तुलना में तुलनात्मक रूप से संकीर्ण होगा।
शोध पत्र इस बात पर जोर देता है कि बिना औचित्य के एक विशिष्ट FAS (जैसे, $FAS_{excl}$ ) चुनना "चेरी-पिकिंग" के समान है और वास्तविक पैरामीटर को बाहर करने का जोखिम उठाता है। जब आधारभूत मॉडल गलत सिद्ध होता है और उल्लंघन पैटर्न अज्ञात होता है, तो रिपोर्टिंग के लिए सामान्यीकृत FAS की सिफारिश की जाती है।

1. सुराग टूटने के दो तरीके

2. "फॉल्सिफिकेशन एडेप्टिव सेट" (FAS)

3. "सड़कें और व्यापार" का उदाहरण

4. मुख्य निष्कर्ष (Takeaway)

इसी तरह के और पेपर