Post-treatment problems: What can we say about the effect of a treatment among sub-groups who (would) respond in some way?

तकनीकी सारांश: उपचार के बाद की समस्याएँ: उन उप-समूहों में उपचार के प्रभाव के बारे में हम क्या कह सकते हैं जो (किसी तरह से) प्रतिक्रिया देंगे?

1. समस्या: उपचार के बाद का पूर्वाग्रह (Post-Treatment Bias) और उप-समूह की रुचि

कई प्रयोगात्मक सेटिंग्स में, शोधकर्ता पूरी आबादी पर औसत प्रभाव (Intent-to-Treat) में रुचि नहीं रखते, बल्कि एक विशिष्ट उप-समूह में प्रभाव में रुचि रखते हैं। यह उप-समूह अक्सर एक उपचार के बाद के चर ($M$) द्वारा परिभाषित होता है—एक ऐसा चर जो उपचार ($D$) से प्रभावित होता है और उसके बाद परिणाम ($Y$) को प्रभावित करता है। उदाहरणों में शामिल हैं:

• कार्यान्वयन/अनुपालन (Implementation/Compliance): उन लोगों के बीच प्रभाव जिन्होंने वास्तव में एक कार्यक्रम को लागू किया या प्रोटोकॉल का पालन किया।
• तंत्र (Mechanisms): उन लोगों के बीच प्रभाव जिन्होंने एक विशिष्ट मनोवैज्ञानिक या व्यवहारिक प्रतिक्रिया प्रदर्शित की (जैसे, एक समूह के प्रति बढ़ी हुई गर्मजोशी)।
• आवश्यक शर्तें (Necessary Conditions): उन लोगों के बीच प्रभाव जिनके लिए एक विशिष्ट घटना (जैसे, पुलिस द्वारा रोका जाना) हुई, जो परिणाम (जैसे, रोक के दौरान हिंसा) के लिए एक पूर्व शर्त है।

मुख्य चुनौती: केवल $M$ के प्रेक्षित मान (observed value) पर आधारित होना (जैसे, उन उपचारित बनाम अनुपचारित इकाइयों की तुलना करना जहाँ $M=1$) दो प्रमुख मुद्दे पैदा करता है:

1. चयन पूर्वाग्रह/कोलाइडर पूर्वाग्रह (Selection Bias/Collider Bias): चूंकि $M$, $D$ और संभावित रूप से अज्ञात अनिश्चित कारकों ($U$) दोनों का परिणाम है, इसलिए $M$ पर आधारित होने से $D$ और $U$ के बीच एक गैर-कारण संबंध (non-causal association) बन जाता है, जो अनुमान को पक्षपाती बना देता है।
2. पहचान की विफलता (Identification Failure): यादृच्छिक परीक्षणों (randomized trials) में, हम नियंत्रण समूह के लिए प्रति-तथ्यात्मक (counterfactual) $M$ को देख नहीं सकते। हमें यह नहीं पता कि नियंत्रण समूह की कौन सी इकाइयाँ उपचार प्राप्त करने पर प्रतिक्रिया देतीं।

2. कार्यप्रणाली: TRACE एस्टिमेंड (Estimand)

लेखक एक नया एस्टिमेंड प्रस्तावित करते हैं: ट्रीटमेंट रिएक्टिव एवरेज कॉज़ल इफेक्ट (TRACE)।

परिभाषा:
TRACE उस उप-समूह के लिए परिणाम पर उपचार का कुल प्रभाव है जो, यदि उपचारित किया जाता, तो पोस्ट-ट्रीटमेंट वेरिएबल ($M=1$) का एक विशिष्ट मान प्राप्त करता।
$$\text{TRACE} \equiv E[Y_i(1) - Y_i(0) \mid M_i(1) = 1]$$

पहचान रणनीति (Identification Strategy):
पेपर स्वीकार करता है कि TRACE आम तौर पर 'पॉइंट-आइडेंटिफाइड' नहीं है क्योंकि उपचारित समूह के लिए अज्ञात $M(0)$ और नियंत्रण समूह के लिए अज्ञात $M(1)$ मौजूद है। वे एक दो-चरणीय पहचान दृष्टिकोण प्रस्तावित करते हैं:

• चरण 1: बिना धारणा वाले ट्रिमिंग बाउंड्स (No-Assumption Trimming Bounds): केवल यादृच्छिकरण (randomization) के गुणों का उपयोग करते हुए, लेखक "शार्प" बाउंड्स निकालते हैं। ऊपरी और निचले बाउंड्स नियंत्रण समूह के परिणामों के सबसे चरम संभावित वितरणों द्वारा निर्धारित होते हैं।
• चरण 2: $\text{TRACE}(0)$ पर धारणाओं का लाभ उठाना: इन बाउंड्स को संकुचित करने के लिए, लेखक शोधकर्ताओं को उन लोगों के बारे में तर्कसंगत, गुणात्मक धारणाएं बनाने की अनुमति देते हैं जो उपचार के प्रति प्रतिक्रिया नहीं देते हैं ($\text{TRACE}(0)$)—अर्थात, वे जो उपचार के प्रति प्रतिक्रिया नहीं देते ($M(1)=0$)। सामान्य धारणाओं में शामिल हैं:
  • $\text{TRACE}(0) = 0$ (यदि तंत्र सक्रिय नहीं होता है तो उपचार का कोई प्रभाव नहीं होता)।
  • $|\text{TRACE}(0)| < |\text{TRACE}|$ (गैर-रिएक्टिव समूह में प्रभाव कम होता है)।
  • $\text{TRACE}(0)$ का चिह्न $\text{TRACE}$ के विपरीत होता है (जैसे, एक "बैकलैश" प्रभाव)।

इटरेटेड एक्सपेक्टेशन के नियम (Law of Iterated Expectations) के माध्यम से $\text{TRACE}$ और $\text{TRACE}(0)$ को बीजगणितीय रूप से जोड़कर, गैर-रिएक्टिव समूह के प्रभाव पर कोई भी तर्कसंगत बाउंड, TRACE पर एक सटीक और सूचनात्मक बाउंड में परिवर्तित हो जाता है।

3. मुख्य योगदान

• नया एस्टिमेंड: TRACE को मौजूदा मात्राओं जैसे LATE (जिसके लिए एक्सक्लूजन रिस्ट्रिक्शन की आवश्यकता होती है), SACE (जो ऑलवेज-टेकर्स पर ध्यान केंद्रित करता है), और CDE (जो डायरेक्ट इफेक्ट्स पर ध्यान केंद्रित करता है) से अलग करता है।
• एक्सक्लूजन रिस्ट्रिक्शन को शिथिल करना: इंस्ट्रुमेंटल वेरिएबल (IV) दृष्टिकोणों के विपरीत, TRACE कुल प्रभाव (total effect) को लक्षित करता है, जिसका अर्थ है कि इसमें स्पष्ट रूप से उपचार का वह "प्रत्यक्ष प्रभाव" भी शामिल है जो मध्यस्थ (mediator) को बायपास कर सकता है।
• सिद्धांतिक आंशिक पहचान (Principled Partial Identification): "बाउंडेड इन्फरेंस" के लिए एक ढांचा प्रदान करता है जो "पहचान योग्य बनाम गैर-पहचान योग्य" के द्विआधारी विभाजन से आगे बढ़ता है। यह शोधकर्ताओं को यह पारदर्शी बनाने की अनुमति देता है कि उन्हें गैर-रिएक्टिव समूह के बारे में एक विशिष्ट निष्कर्ष का समर्थन करने के लिए कितना विश्वास करना होगा।

4. परिणाम और अनुप्रयोग

लेखक तीन विविध मामलों के माध्यम से TRACE की उपयोगिता प्रदर्शित करते हैं:

1. पुलिस हिंसा: पुलिस द्वारा नस्ल के बोध (perceived race) के अध्ययनों में, हिंसा तभी हो सकती है जब रोक ($M=1$) होती है। यह मानते हुए कि $\text{TRACE}(0)=0$ (यदि कोई रोक नहीं होती है तो कोई हिंसा नहीं होती), लेखक दिखाते हैं कि हिंसा पर नस्ल के बोध का प्रभाव पॉइंट-आइडेंटिफाइड हो सकता है, जो प्रशासनिक डेटा पूर्वाग्रह की एक दीर्घकालिक समस्या को हल करता है।
2. लाइबेरिया में सामुदायिक पुलिसिंग: एक परीक्षण में जहाँ कार्यान्वयन असमान था, ITT शून्य था। हालाँकि, यह मानते हुए कि हस्तक्षेप केवल तभी काम करता है जब लागू किया जाता ($\text{TRACE}(0)=0$), TRACE ने "कार्यान्वित" समुदायों के बीच भीड़ की हिंसा में महत्वपूर्ण कमी दिखाई।
3. ट्रांसजेंडर अधिकार वकालत: एक प्रसिद्ध फील्ड प्रयोग का पुन: विश्लेषण करते हुए, लेखकों ने दिखाया कि जबकि नीति समर्थन पर औसत प्रभाव मामूली था, "रिएक्टिव" व्यक्तियों (जिनकी भावनाएं सुधरीं) के बीच प्रभाव काफी बड़ा था, जो तंत्र की एक स्पष्ट तस्वीर प्रदान करता है।

5. महत्व

यह पेपर सामाजिक विज्ञान और नीति मूल्यांकन के लिए महत्वपूर्ण है क्योंकि यह "विफल" या "कमजोर" उपचारों को संभालने का एक गणितीय तरीका प्रदान करता है। किसी शून्य परिणाम (null result) को हस्तक्षेप की विफलता के रूप में खारिज करने के बजाय, शोधकर्ता यह निर्धारित करने के लिए TRACE का उपयोग कर सकते हैं कि क्या हस्तक्षेप उन लोगों के लिए प्रभावी था जिन तक वास्तव में इसकी पहुँच हुई, और साथ ही यह परीक्षण करने का एक कठोर तरीका भी प्रदान करते हैं कि क्या शून्य परिणाम वास्तव में प्रभाव की कमी के कारण है या केवल कार्यान्वयन की कमी के कारण है।