Placebo Discontinuity Design

तकनीकी सारांश: प्लेसबो विच्छिन्नता डिज़ाइन (Placebo Discontinuity Design)

1. समस्या
मानक रिग्रेशन विच्छिन्नता डिज़ाइन (RDD) इस पहचान संबंधी धारणा पर निर्भर करता है कि कटऑफ़ (cutoff) पर अपेक्षित संभावित परिणाम निरंतर (continuous) होते हैं। यह धारणा सुनिश्चित करती है कि उपचार की अनुपस्थिति में थ्रेशोल्ड (threshold) के ठीक ऊपर और नीचे की इकाइयाँ तुलनीय हैं। हालाँकि, जब एजेंटों द्वारा रणनीतिक हेरफेर (strategic manipulation) या सॉर्टिंग (sorting) की जाती है, तो यह निरंतरता बाधित हो सकती है (जैसे, स्कूल प्रशासकों द्वारा कक्षा के आकार में कमी को ट्रिगर करने के लिए नामांकन में हेरफेर करना, या डॉक्टरों द्वारा चिकित्सा हस्तक्षेप को ट्रिगर करने के लिए जन्म-भार की रिपोर्ट में हेरफेर करना)।

जब ऐसा हेरफेर होता है, तो अनभिव्यक्तित कन्फाउंडर (unobserved confounder) का रनिंग वेरिएबल के सापेक्ष घनत्व (conditional distribution) कटऑफ़ पर विच्छिन्न (discontinuous) हो जाता है। फलस्वरूप, मानक RDD एस्टिमेटर पक्षपाती (biased) हो जाते हैं क्योंकि परिणाम में विच्छिन्नता, उपचार प्रभाव और अनभिव्यक्तित कन्फाउंडिंग की विच्छिन्नता दोनों को दर्शाती है। जबकि मौजूदा साहित्य प्लेसबो वेरिएबल्स (ऐसे परिणाम या सहचर जो उपचार से प्रभावित नहीं होने चाहिए) का उपयोग ऐसे उल्लंघनों का पता लगाने के लिए नैदानिक उपकरण के रूप में करता है, वर्तमान विधियाँ उल्लंघन का पता चलने के बाद उपचार प्रभाव को पुनर्प्राप्त (recover) करने का कोई मार्ग प्रदान नहीं करती हैं।

2. कार्यप्रणाली और पहचान रणनीति
लेखक एक नई पहचान रणनीति प्रस्तावित करते हैं, जिसे "प्लेसबो विच्छिन्नता डिज़ाइन" (PDD) कहा जाता है, जो अनभ्यक्तित कन्फाउंडिंग को ठीक करने और उपचार प्रभाव को पुनर्प्राप्त करने के लिए एक प्लेसबो उपचार ($Z$) और एक प्लेसबो परिणाम ($W$) का लाभ उठाती है, भले ही मानक निरंतरता धारणा विफल हो जाए।

• संरचनात्मक मॉडल (Structural Model): पेपर $Y$ को उपचार $A$, रनिंग वेरिएबल $D$, अनभ्यक्तित कन्फाउंडर $U$, और इडियोसिंक्रेटिक नॉइज़ (idiosyncratic noise) $\eta_y$ के फलन के रूप में मॉडल करता है। महत्वपूर्ण रूप से, लेखक $D$ के सापेक्ष $U$ के घनत्व को $d^*$ पर विच्छिन्न होने की अनुमति देते हैं।

• मुख्य धारणाएँ:

  • सशर्त निरंतरता (Conditional Continuity): हालांकि संभावित परिणाम $D$ के संबंध में मार्जिनली विच्छिन्न हो सकते हैं, उन्हें अनभ्यक्तित कन्फाउंडर $U$ के सापेक्ष निरंतर माना जाता है। अर्थात, निश्चित $u$ के लिए $E[Y(a, D, U, \eta_y) | D=d, U=u]$, $d$ में निरंतर है।
  • प्लेसबो वेरिएबल्स:
    • प्लेसबो उपचार ($Z$): एक चर जो रनिंग वेरिएबल $D$ (और इस प्रकार उपचार $A$) को प्रभावित करता है, लेकिन $D$ और $U$ के सापेक्ष $U$ और परिणाम $Y$ से स्वतंत्र है।
    • प्लेसबो परिणाम ($W$): एक चर जो अनभ्यक्तित कन्फाउंडर $U$ के प्रॉक्सी (proxy) के रूप में कार्य करता है, लेकिन उपचार $A$, रनिंग वेरिएबल $D$, या प्लेसबो उपचार $Z$ द्वारा सीधे प्रभावित नहीं होता है।
  • कन्फाउंडिंग ब्रिज (Confounding Bridge): लेखक मानते हैं कि एक "कन्फाउंडिंग ब्रिज" फलन $h$ का अस्तित्व है, जहाँ $D$ और $U$ के सापेक्ष परिणाम का सशर्त प्रत्याशा (conditional expectation) को $D$ और $U$ के सापेक्ष प्लेसबो परिणाम $W$ के वितरण के संबंध में $h$ के समाकलन (integral) के रूप में व्यक्त किया जा सकता है।
  • पूर्णता (Completeness): एक रैंक स्थिति जो सुनिश्चित करती है कि समाकलन समीकरण का समाधान अद्वितीय है, जिससे पॉइंट आइडेंटिफिकेशन (point identification) संभव होता है।

• पहचान परिणाम (Identification Result): इन धारणाओं के तहत, उपचार प्रभाव $\tau_0$ को परिणाम के राइट-लिमिट (right-limit) और एडजस्टेड लेफ्ट-लिमिट (adjusted left-limit) के बीच के अंतर के रूप में पहचाना जाता है, जहाँ समायोजन प्लेसबो परिणाम की विच्छिन्नता के आधार पर किया जाता है जिसे स्थानीय इंस्ट्रुमेंटल वेरिएबल गुणांक द्वारा भारित (weighted) किया जाता है। विशेष रूप से, एस्टिमेटर एक मानक RDD टर्म और प्लेसबो परिणाम की विच्छिन्नता पर आधारित एक एडजस्टमेंट टर्म के बीच के अंतर के रूप में विघटित होता है।

3. अनुमान (Estimation)
पेपर पहचान रणनीति को संचालित करने के लिए एक लोकल इंस्ट्रुमेंटल वेरिएबल (LIV) एस्टिमेटर प्रस्तावित करता है।

• दृष्टिकोण: लेखक कन्फाउंडिंग ब्रिज फलन को आंशिक रूप से रैखिक स्पेसिफिकेशन (partially linear specification) का उपयोग करके अनुमानित करते हैं। वे स्थानीय रैखिक प्रतिगमन ढांचे का उपयोग करके मापदंडों का अनुमान लगाते जिसे इंस्ट्रुमेंटल वेरिएबल्स को शामिल करने के लिए विस्तारित किया गया है।
• विघटन (Decomposition): परिणामी एस्टिमेटर, $\hat{\tau}_{pdd}$, संख्यात्मक रूप से निम्न के समान है:
  $$\hat{\tau}_{pdd} = \hat{\tau}^y_{rdd} - (\hat{\tau}^w_{rdd})^\top \hat{\gamma}_-$$
  जहाँ $\hat{\tau}^y_{rdd}$ लक्षित परिणाम के लिए मानक RDD अनुमान है, $\hat{\tau}^w_{rdd}$ प्लेसबो परिणाम के लिए RDD अनुमान है, और $\hat{\gamma}_-$ कटऑफ़ के नीचे रेजिडुअलाइज्ड प्लेसबो परिणाम पर रेजिडुअलाइज्ड लक्षित परिणाम के स्थानीय IV प्रतिगमन से प्राप्त वेट वेक्टर है।
• व्याख्या: यदि प्लेसबो परिणाम में कोई विच्छिन्नता नहीं दिखती है ($\hat{\tau}^w_{rdd} \approx 0$), तो एडजस्टमेंट टर्म शून्य हो जाता है, और एस्टिमेटर मानक RDD में बदल जाता है। यदि विच्छिन्नता मौजूद है, तो एस्टिमेटर लक्षित परिणाम के पक्षपात को ठीक करने के लिए इसका उपयोग करता है।

4. सैद्धांतिक परिणाम

• संगति (Consistency): लेखक स्थापित करते हैं कि LIV एस्टिमेटर उपचार प्रभाव के लिए सुसंगत (consistent) है, बशर्ते कि कन्फाउंडिंग ब्रिज आंशिक रूप से रैखिक (या उससे निकटता से अनुमानित) हो।
• एसिम्प्टोटिक नॉर्मलिटी और बायस करेक्शन: Calonico et al. (2014) के ढांचे का अनुसरण करते हुए, पेपर मीन स्क्वेयर्ड एरर (MSE) ऑप्टिमल बैंडविड्थ का उपयोग करने पर नैव (naive) एस्टिमेटर के एसिम्प्टोटिक बायस को व्युत्पन्न करता है। लेखक एक रोबस्ट बायस-करेक्टेड इन्फरेंस प्रक्रिया प्रस्तावित करते हैं। वे दिखाते हैं कि बायस सुधार के बाद, एस्टिमेटर $n^{-2/5}$ की दर पर एसिम्प्टोटिक रूप से नॉर्मल होता है, जिससे वैध कॉन्फिडेंस इंटरवल और हाइपोथेसिस टेस्ट का निर्माण संभव होता है।

5. मुख्य योगदान और महत्व

• निदान से सुधार तक: प्राथमिक योगदान प्लेसबो वेरिएबल्स की भूमिका को केवल नैदानिक उपकरण (अवैधता का पता लगाने के लिए) से सक्रिय सुधार तंत्र (वैधता को पुनर्प्राप्त करने के लिए) में बदलना है।
• हेरफेर के तहत पॉइंट आइडेंटिफिकेशन: उन पिछले दृष्टिकोणों के विपरीत जो केवल हेरफेर की स्थिति में उपचार प्रभाव पर सीमाएं (bounds) प्रदान करते हैं (जैसे, Gerard et al., 2020), यह पेपर रणनीतिक व्यवहार की उपस्थिति में उपचार प्रभाव के पॉइंट आइडेंटिफिकेशन के लिए स्थितियाँ प्रदान करता है।
• नॉनपैरामीट्रिक रिकवरी: विधि नॉनपैरामीट्रिक रूप से RDD उपचार प्रभाव को पुनर्प्राप्त करती है, जो उत्पादन फलन या अनऑब्जर्वेबल्स के वितरण के बारे में आवश्यक मजबूत पैरामेट्रिक धारणाओं (जैसे, Garicano et al., 2016) की आवश्यकता को समाप्त करती है।
• व्यावहारिक कार्यान्वयन: प्रस्तावित एस्टिमेटर परिचित RDD घटकों और एक वेटेड एडजस्टमेंट में विघटित होता है, जो इसे शोधकर्ताओं के लिए गणनात्मक रूप से सुलभ और व्याख्या योग्य बनाता है। यह कई सहचरों वाले नॉनपैरामीट्रिक अनुमान में अक्सर जुड़ी "डायमेंशनलिटी का अभिशाप" (curse of dimensionality) से बचने के लिए एक आंशिक रूप से रैखिक सन्निकटन का उपयोग करता है।

6. दावे और सीमाएं
लेखक विनम्रतापूर्वक दावा करते हैं कि वे एक नया पहचान परिणाम और स्थानीय रैखिक RDD एस्टिमेटर का एक नया संस्करण प्रदान करते हैं। वे स्वीकार करते हैं कि संरचनात्मक धारणाएं (विशेष रूप से कन्फाउंडिंग ब्रिज का अस्तित्व और पूर्णता की स्थिति) सामान्यतः अपरीक्षणीय (untestable) हैं, जैसा कि मानक IV धारणाओं के साथ होता है। यह विधि विशिष्ट बहिष्करण (exclusion) और स्वतंत्रता प्रतिबंधों को पूरा करने वाले वैध प्लेसबो वेरिएबल्स की उपलब्धता पर निर्भर करती है। पेपर यह दावा नहीं करता है कि यह RDD के सभी रूपों की अमान्यता को हल करता है, बल्कि विशेष रूप से उन सेटिंग्स को लक्षित करता है जहाँ रणनीतिक हेरफेर अनभ्यक्तित कन्फाउंडर्स में विच्छिन्नता का कारण बनता है, जो सरकारी लाभ या सामाजिक कार्यक्रमों से जुड़े सामाजिक विज्ञान अनुप्रयोगों में एक सामान्य मुद्दा है। भविष्य के कार्य में बायस-अवेयर इन्फरेंस और कमजोर प्रॉक्सी के साथ एस्टिमेटर के व्यवहार का अन्वेषण करने का सुझाव दिया गया है।