Two-stage least squares with treatment-covariate interactions for treatment effect heterogeneity

यहाँ अनकी झाओ, पेंग डिंग और फैन ली के शोध पत्र "Two-stage least squares with treatment-covariate interactions for treatment effect heterogeneity" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

जब उपचार (treatments) एंडोजेनस (endogenous) होते हैं, तो इंस्ट्रुमेंटल वेरिएबल (IV) विश्लेषण का व्यापक रूप से उपयोग किया जाता है। जबकि मानक टू-स्टेज लीस्ट स्क्वायर्स (2SLS) एस्टीमेटर मानक मान्यताओं के तहत लोकल एवरेज ट्रीटमेंट इफेक्ट (LATE) की निरंतर पहचान करता है, शोधकर्ता अक्सर ट्रीटमेंट इफेक्ट हेटेरोजेनिटी (अर्थात, प्रभाव देखे गए कोवेरियेट्स के आधार पर व्यक्तियों के बीच भिन्न होता है) का संदेह करते हैं।

इसे संबोधित करने के लिए एक सामान्य अनुभवजन्य रणनीति इंटरैक्टेड 2SLS (Interacted 2SLS) है, जहाँ शोधकर्ता दूसरे चरण में उपचार और कोवेरियेट के बीच इंटरैक्शन टर्म्स, और पहले चरण में इंस्ट्रूमेंट और कोवेरियेट के बीच इंटरैक्शन शामिल करते हैं। इसका लक्ष्य यह अनुमान लगाना है कि उपचार का प्रभाव कोवेरियेट्स के साथ कैसे बदलता है (व्यवस्थित उपचार प्रभाव भिन्नता)।

मुख्य समस्या:
यह शोध पत्र इंटरैक्टेड 2SLS ढांचे में इन उपचार-कोवेरियेट इंटरैक्शन के गुणांकों (coefficients) के कारणत्मक व्याख्या (causal interpretation) की जांच करता है। विशेष रूप से, यह पूछता है: किन परिस्थितियों में अनुमानित इंटरैक्शन गुणांक कॉम्प्लायर्स (compliers) के बीच वास्तविक उपचार विषमता (heterogeneity) का निरंतर प्रतिनिधित्व करते हैं? लेखक पाते हैं कि, अंतर्ज्ञान के विपरीत, ये गुणांक आम तौर पर पक्षपाती (biased) होते हैं और जब तक बहुत ही प्रतिबंधात्मक शर्तें पूरी न हों, स्पष्ट कारण व्याख्या नहीं रखते हैं।

2. कार्यप्रणाली और ढांचा (Methodology and Framework)

लेखक पोटेंशियल आउटकम्स फ्रेमवर्क (रुबिन कॉज़ल मॉडल) और लोकल एवरेज ट्रीटमेंट इफेक्ट (LATE) फ्रेमवर्क (इम्बेंस और एंग्रिस्ट, 1994) के भीतर कार्य करते हैं।

• सेटअप:
  • $D_i$: बाइनरी उपचार (Binary treatment)।
  • $Y_i$: परिणाम (Outcome)।
  • $Z_i$: बाइनरी इंस्ट्रूमेंट (कोवेरियेट्स $X_i$ के दिए गए होने पर वैध)।
  • $X_i$: $K$ कोवेरियेट्स का वेक्टर (एक स्थिरांक सहित)।
  • कॉम्प्लायर्स ($U_i=c$): वे इकाइयाँ जिनका उपचार स्टेटस इंस्ट्रूमेंट द्वारा बदला जाता है।
• एस्टीमेटर:
  शोध पत्र में इंटरैक्टेड 2SLS का विश्लेषण किया गया है जिसे इस प्रकार परिभाषित किया गया है:
  $$2sls(Y_i \sim D_i X_i + X_i \mid Z_i X_i + X_i)$$
  यहाँ, परिणाम को उपचार और कोवेरियेट के इंटरैक्शन ($D_i X_i$) और कोवेरियेट्स ($X_i$) पर प्रतिगमन (regressed) किया जाता है, जिसे इंस्ट्रूमेंट और कोवेरियेट के इंटरैक्शन ($Z_i X_i$) और कोवेरियेट्स ($X_i$) द्वारा इंस्ट्रूमेंट किया जाता है।
• लक्ष्य पैरामीटर (Target Parameter):
  लेखक लक्ष्य कारण अनुमानित (target causal estimand) के रूप में $\beta_c$ को परिभाषित करते हैं, जो कॉम्प्लायर्स के बीच व्यक्तिगत उपचार प्रभाव $\tau_i$ के $X_i$ पर लीनियर प्रोजेक्शन का गुणांक वेक्टर है:
  $$\beta_c = \arg\min_b E[(\tau_i - X_i^\top b)^2 \mid U_i = c]$$
  यह कोवेरियेट्स द्वारा समझाया गया "व्यवस्थित उपचार प्रभाव भिन्नता" (systematic treatment effect variation) का प्रतिनिधित्व करता है।

3. मुख्य योगदान और सैद्धांतिक निष्कर्ष (Key Contributions and Theoretical Findings)

शोध पत्र तीन प्रमुख सैद्धांतिक योगदान प्रदान करता है:

A. आवश्यक और पर्याप्त शर्त (The "Linear IV-Covariate Interactions" Condition)

लेखक स्थापित करते हैं कि इंटरैक्टेड 2SLS एस्टीमेटर $\hat{\beta}_{2sls}$ किसी भी परिणाम-जनरेटिंग प्रक्रिया के लिए वास्तविक विषमता पैरामीटर $\beta_c$ का निरंतर अनुमान लगाता है यदि और केवल यदि लिनियर IV-कोवेरियेट इंटरैक्शन कंडीशन लागू होती है:
$$E(Z_i X_i \mid X_i) = \text{proj}(Z_i X_i \mid X_i)$$
सरल शब्दों में, इंस्ट्रूमेंट और कोवेरियेट के गुणनफल का कंडीशनल एक्सपेक्टेशन, कोवेरियेट्स में लीनियर होना चाहिए।

• निहितार्थ: यदि यह स्थिति विफल होती है, तो अनुमानित इंटरैक्शन गुणांक उपचार प्रभाव की विषमता के कारणत्मक अनुमान नहीं होते हैं, भले ही परिणाम मॉडल सही ढंग से निर्दिष्ट किया गया हो। यह एक "डबल रोबस्टनेस" विफलता को उजागर करता है: मानक 2SLS की निरंतरता इंस्ट्रूमेंट की वैधता पर निर्भर करती है, लेकिन इंटरैक्शन की निरंतरता इंस्ट्रूमेंट के असाइनमेंट मैकेनिज्म के एक विशिष्ट कार्यात्मक रूप (functional form) पर निर्भर करती है।

B. शर्त की कठोरता (The Stringency of the Condition)

लेखक इस शर्त की व्यवहार्यता के संबंध में एक चौंकाने वाला परिणाम सिद्ध करते हैं। यह मानते हुए कि $X_i$ का आयाम $K$ (स्थिरांक सहित) है:

• यह शर्त केवल तभी लागू होती है जब IV प्रोपेंसिटी स्कोर $e(X_i) = P(Z_i=1 \mid X_i)$ अधिकतम $K$ अलग-अलग मान लेता है।
• परिणाम: यह शर्त अत्यंत प्रतिबंधात्मक है। यह केवल दो विशेष मामलों में संतुष्ट होती है:
  1. सैचुरेटेड कोवेरियेट्स (Saturated Covariates): कोवेरियेट्स श्रेणीबद्ध (categorical) हैं जिनमें ठीक $K$ स्तर हैं (जो डमी वेरिएबल्स के पूर्ण सेट की अनुमति देते हैं)।
  2. रैंडम असाइनमेंट (Random Assignment): इंस्ट्रूमेंट $Z_i$ बिना शर्त रैंडमाइज्ड है (कोवेरियेट्स $X_i$ से स्वतंत्र है)।
• व्यावहारिक निहितार्थ: अधिकांश अवलोकनात्मक अध्ययनों (observational studies) में जहाँ कोवेरियेट्स निरंतर (continuous) होते हैं या IV रैंडमली असाइन नहीं होता है, वहाँ यह शर्त विफल हो जाती है। इसलिए, मानक इंटरैक्टेड सेकंड स्टेज 2SLS स्पेसिफिकेशन से प्राप्त इंटरैक्शन गुणांकों को उपचार प्रभाव की विषमता के कारणत्मक अनुमान के रूप में व्याख्यायित नहीं किया जा सकता।

C. समाधान: डीमीन कोवेरियेट्स (Demeaned Covariates)

विषमता के लिए शर्त को पूरा करने की कठिनाई को पहचानते हुए, लेखक समग्र LATE ($\tau_c$) को पुनः प्राप्त करने के लिए एक संशोधन प्रस्तावित करते हैं।

• विधि: इंटरैक्टेड 2SLS स्पेसिफिकेशन में डीमीन कोवेरियेट्स (demeaned covariates) का उपयोग करें। विशेष रूप से, गैर-स्थिरांक कोवेरियेट्स को उनके कॉम्प्लायर मीन (या उनके सुसंगत अनुमानों) द्वारा केंद्रित (center) करें।
• परिणाम: लिनियर IV-कोवेरियेट इंटरैक्शन कंडीशन के तहत, डीमीनड स्पेसिफिकेशन में उपचार चर ($D_i$) का गुणांक सुसंगत रूप से LATE ($\tau_c$) का अनुमान लगाता है।
• विपरीत: मानक एडिटिव 2SLS (बिना इंटरैक्शन के) या बिना डीमीनिंग के इंटरैक्टेड 2SLS आमतौर पर कंडीशनल LATE के भारित औसत (weighted average) का अनुमान लगाता है जो वास्तविक LATE से भिन्न होता है। डीमीनिंग दृष्टिकोण इस वेटिंग बायस (weighting bias) को ठीक करता है।

4. सिमुलेशन परिणाम (Simulation Results)

लेखक अपने सिद्धांत को सिमुलेशन के माध्यम से सत्यापित करते हैं:

1. विषमता में पक्षपात (Bias in Heterogeneity): एक परिदृश्य में जहाँ लिनियर IV-कोवेरियेट इंटरैक्शन कंडीशन का उल्लंघन होता है (निरंतर कोवेरियेट्स, गैर-रैंडम IV), इंटरैक्टेड 2SLS के इंटरैक्शन गुणांकों ने वास्तविक $\beta_c$ के सापेक्ष महत्वपूर्ण पक्षपात दिखाया।
2. LATE की निरंतरता (Consistency of LATE): एक परिदृश्य में जहाँ शर्त लागू होती है (श्रेणीबद्ध कोवेरियेट्स), डीमीन कोवेरियेट्स वाले इंटरैक्टेड 2SLS ने वास्तविक LATE को सफलतापूर्वक प्राप्त किया, जबकि बिना डीमीनिंग के मानक एडिटिव 2SLS और इंटरैक्टेड 2SLS ने पक्षपाती अनुमान दिए।

5. महत्व और निहितार्थ (Significance and Implications)

• अनुप्रयुक्त अभ्यास के लिए चेतावनी (Caution for Empirical Practice): यह शोध पत्र प्रयुक्त शोधकर्ताओं के लिए एक महत्वपूर्ण चेतावनी के रूप में कार्य करता है। केवल 2SLS मॉडल में उपचार-कोवेरियेट इंटरैक्शन जोड़ने का अर्थ यह नहीं है कि उपचार प्रभाव कैसे बदलते हैं, इसके वैध अनुमान की गारंटी मिलती है। जब तक कोवेरियेट्स पूरी तरह से सैचुरेटेड (श्रेणीबद्ध) न हों या IV रैंडमाइज्ड न हो, ये गुणांक संभवतः भ्रामक (spurious) हैं।
• LATE अनुमान का स्पष्टीकरण: यह शोध पत्र स्पष्ट करता है कि जबकि मजबूत धारणाओं के बिना विषमता (heterogeneity) का अनुमान लगाना कठिन है, डीमीन कोवेरियेट्स का उपयोग करके समग्र प्रभाव (LATE) का अनुमान लगाना संभव है।
• आंशिक इंटरैक्शन का विस्तार (Extension to Partial Interactions): सिद्धांत को उन मामलों तक विस्तारित किया गया है जहाँ इंटरैक्शन केवल कोवेरियेट्स के एक उपसमुच्चय (subset) के लिए शामिल किए जाते हैं, जो उन शर्तों को प्रदान करता है जिनके तहत उन विशिष्ट इंटरैक्शन टर्म्स की कारणत्मक व्याख्या की जा सकती है।
• सैद्धांतिक एकीकरण (Theoretical Unification): परिणाम IV एस्टीमेटर्स द्वारा दिए जाने वाले भारों (weights) के संबंध में पिछले साहित्य (जैसे, एंग्रिस्ट और इम्बेंस, 1995; स्लोसिनस्की, 2024; ब्लैंडहोल एट अल., 2025) को एकीकृत और विस्तारित करते हैं, यह दिखाते हुए कि इंटरैक्शन टर्म्स अक्सर उन तरीकों से भार को बदलते हैं जो अक्सर कारणत्मक व्याख्या को तोड़ देते हैं।

निष्कर्ष

झाओ, डिंग और ली यह प्रदर्शित करते हैं कि उपचार प्रभाव की विषमता का अध्ययन करने के लिए इंटरैक्टेड 2SLS का उपयोग करने का सहज दृष्टिकोण सैद्धांतिक रूप से नाजुक है। इंटरैक्शन टर्म्स के गुणांक आमतौर पर विषमता के लिए असंगत होते हैं जब तक कि इंस्ट्रूमेंट का प्रोपेंसिटी स्कोर अत्यंत सरल (कम मान लेना) न हो। हालाँकि, वे डीमीन कोवेरियेट्स का उपयोग करके समग्र LATE के अनुमान के लिए एक मजबूत विकल्प प्रदान करते हैं, जो उन शोधकर्ताओं के लिए एक व्यावहारिक उपकरण है जो कंडिशनली वैलिड इंस्ट्रूमेंट्स पर काम कर रहे हैं।