From First Principles to Multi-scale Decomposition:Mutual Information as a Segregation Index

यहाँ रोहित सहस्रबुद्धे और रेनॉड लैमबियोट के शोध पत्र "From First Principles to Multi-scale Decomposition: Mutual Information as a Segregation Index" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

आवासीय अलगाव (residential segregation) को मापना असमानता को समझने के लिए महत्वपूर्ण है, फिर भी मौजूदा सूचकांकों (indices) में अक्सर एक कठोर सैद्धांतिक आधार की कमी होती है या वे अलगाव की बहु-स्तरीय प्रकृति (भौगोलिक और जनसांख्यिकीय दोनों) को समझने में विफल रहते हैं।

• चुनौती: अलगाव विभिन्न स्तरों पर कार्य करता है (जैसे: पड़ोस बनाम क्षेत्र; विशिष्ट जातीय समूह बनाम व्यापक नस्लीय समूह)। पैमाने (scale) का चयन करना मनमाना हो सकता है, और अलग-अलग पैमाने अलग-अलग पैटर्न प्रकट करते हैं।
• अंतराल (Gap): हालांकि सूचना-सैद्धांतिक सूचकांकों (जैसे थील का इंडेक्स) का उपयोग किया गया है, लेकिन ऐसा कोई व्युत्पत्ति (derivation) नहीं था जो म्युचुअल इंफॉर्मेशन (MI) को एक अनूठे अलगाव सूचकांक के रूप में पहचान सके। मौजूदा विधियाँ अक्सर व्याख्यात्मकता या गणितीय कठोरता खोए बिना नेस्टेड स्थानिक और जनसांख्यिकीय पदानुक्रमों में निरंतरता के साथ अलगाव को विघटित करने में संघर्ष करती हैं।

2. कार्यप्रणाली: प्रथम सिद्धांतों से व्युत्पत्ति (Methodology: Derivation from First Principles)

लेखक म्युचुअल इंफॉर्मेशन को एक अद्वितीय अलगाव सूचकांक के रूप में व्युत्पन्न करते हैं, जिसे स्थानिक इकाइयों से जनसंख्या के औसत जनसांख्यिकीय विषमता (demographic dissimilarity) के रूप में परिभाषित किया गया है। वे इसे एक डाइवर्जेंस फंक्शन $f$ का उपयोग करके औपचारिक रूप देते हैं और $f$ के चयन को सीमित करने के लिए दो स्वयंसिद्ध गुणों (axiomatic properties) को लागू करते हैं।

A. ढांचा (The Framework)

• सेटिंग: $n$ जनसांख्यिकीय पहचानें ($X$) और $m$ स्थानिक इकाइयाँ ($S$)।
• परिभाषा: अलगाव $I$ स्थानीय जनसांख्यिकीय संरचनाओं ($P_{X|S=s}$) का वैश्विक जनसंख्या संरचना ($P_X$) से भारित औसत विचलन (weighted mean divergence) है:
  $$I = \sum_s P_S(s) f(P_{X|S=s} || P_X)$$
• लक्ष्य: उस विशिष्ट विचलन (divergence) $f$ की पहचान करना जो अलगाव की अंतर्दृष्टि के अनुकूल हो।

B. दो परिभाषित गुण (The Two Defining Properties)

लेखक दो गुणों की पहचान करते हैं जो कुलबैक-लीब्लर (KL) डाइवर्जेंस (और इस प्रकार म्युचुअल इंफॉर्मेशन) को विशिष्ट रूप से परिभाषित करते हैं:

1. मीन-मिनिमाइज़र प्रॉपर्टी (Mean-Minimiser Property):

   • अवधारणा: यदि हमारे पास वितरणों (distributions) का एक सेट है, तो "सर्वश्रेष्ठ प्रतिनिधि" वितरण उनका भारित माध्य होना चाहिए।
   • निहितार्थ: यह सुनिश्चित करता है कि वैश्विक जनसंख्या संरचना ($P_X$), स्थानीय संरचनाओं से औसत विचलन का एकमात्र न्यूनीकरणकर्ता (minimizer) है। यह इस बात के अनुरूप है कि जनसंख्या गणना को कैसे एकत्रित किया जाता है।
   • गणितीय परिणाम: यह गुण विचलन को ब्रेगमन डाइवर्जेंस (Bregman divergences) के वर्ग तक सीमित कर देता है।

2. इनवेरिएंस प्रॉपर्टी (Invariance Property - सूचना एकरूपता):

   • अवधारणा: जनसांख्यिकीय समूहों को मिलाना (कोर्स-ग्रेनिंग) विचलन को बढ़ाना नहीं चाहिए। विचलन केवल तभी अपरिवर्तित रहना चाहिए जब तुलना किए जा रहे दोनों वितरणों में विलय किए गए समूहों की आंतरिक संरचना समान हो।
   • निहितार्थ: यह इस अंतर्ज्ञान को पकड़ता है कि सूक्ष्म-स्तरीय अंतरों को अनदेखा करने से कृत्रिम रूप से अलगाव को बढ़ाना नहीं चाहिए।
   • गणितीय परिणाम: ब्रेगमन डाइवर्जेंस में से, केवल KL डाइवर्जेंस ही $n \geq 3$ के लिए इस इनवेरिएंस प्रॉपर्टी को संतुष्ट करता है।

C. परिणामी सूचकांक (The Resulting Index)

चूंकि KL डाइवर्जेंस ही एकमात्र फलन है जो दोनों गुणों को संतुष्ट करता है, इसलिए परिणामी अलगाव सूचकांक म्युचुअल इंफॉर्मेशन है:
$$I(X, S) = \sum_s P_S(s) d_{KL}(P_{X|S=s} || P_X)$$
यह संयुक्त वितरण (joint distribution) और मार्जिनल के गुणनफल के बीच KL डाइवर्जेंस, या एंट्रॉपी के अंतर के गणितीय रूप से समकक्ष है।

D. बहु-स्तरीय अपघटन (Multi-scale Decomposition)

एक प्रमुख पद्धतिगत योगदान म्युचुअल इंफॉर्मेशन को स्तरों (scales) के बीच योगात्मक रूप से विघटित करने की क्षमता है:

• स्थानिक अपघटन (Spatial Decomposition): कुल अलगाव = क्षेत्रों के बीच का अलगाव + क्षेत्रों के भीतर का औसत अलगाव।
• जनसांख्यिकीय अपघटन (Demographic Decomposition): कुल अलगाव = सुपरग्रुप्स के बीच का अलगाव + सुपरग्रुप्स के भीतर का औसत अलगाव।
• यह शोधकर्ताओं को यह मापने की अनुमति देता है कि सूक्ष्म स्तर (जैसे: विशिष्ट जातीयता, छोटे पड़ोस) से मोटे स्तर (जैसे: व्यापक नस्लीय समूह, बड़े जिले) पर जाने पर कितनी जानकारी खो जाती है।

3. मुख्य योगदान (Key Contributions)

1. सैद्धांतिक विशिष्टता: शोध पत्र यह सिद्ध करने के लिए प्रथम सिद्धांतों से व्युत्पत्ति प्रदान करता है कि म्युचुअल इंफॉर्मेशन ही एकमात्र अलगाव सूचकांक है जो मीन-मिनिमाइज़र और इनवेरिएंस गुणों दोनों को संतुष्ट करता है।
2. बहु-स्तरीय अपघटनीयता: अन्य सूचकांकों के विपरीत, म्युचुअल इंफॉर्मेशन भौगोलिक और जनसांख्यिकीय पदानुक्रमों में एक सख्त योगात्मक अपघटन (additive decomposition) स्वीकार करता है। यह विशिष्ट क्षेत्रों और जनसांख्यिकीय सुपरग्रुप्स के योगदान को अलग करने की अनुमति देता है।
3. ओपन सोर्स कार्यान्वयन: लेखक इस बहु-स्तरीय विश्लेषण को करने के लिए पायथन-आधारित ओपन-सोर्स सॉफ्टवेयर प्रदान करते हैं।
4. अनुभवजन्य अनुप्रयोग: इंग्लैंड और वेल्स के 2021 जनगणना डेटा का उपयोग करके, यह ढांचा दिखाता है कि कैसे यह सूचकांक उन संरचनात्मक अंतर्दृष्टि को प्रकट करता है जो मानक मेट्रिक्स में अदृश्य रहती हैं।

4. परिणाम: केस स्टडी (इंग्लैंड और वेल्स)

19 सूक्ष्म जातीय पहचानों और 1,88,000+ आउटपुट क्षेत्रों वाले 2021 जनगणना डेटा का उपयोग करके, लेखकों ने आवासीय अलगाव का विश्लेषण किया:

• स्केल संवेदनशीलता (Scale Sensitivity):

  • स्थानिक: 50% से अधिक अलगाव जिलों के बीच के अंतरों द्वारा समझाया गया है। हालांकि, लोअर सुपर आउटपुट एरिया (LSOAs) से आउटपुट एरिया (OAs) की ओर बढ़ने पर, LSOAs के भीतर महत्वपूर्ण आंतरिक अलगाव का पता चलता है।
  • जनसांख्यिकीय: मोटे स्तरों पर, ~65% अलगाव व्यापक जातीय समूहों के बीच है। सूक्ष्म स्तरों पर, यह घटकर ~58% हो जाता है, जो दर्शाता कि समूहों के भीतर के अंतर (जैसे: भारतीय और पाकिस्तानी उप-समूहों के बीच) महत्वपूर्ण हैं।

• विविधता बनाम अलगाव (Diversity vs. Segregation):

  • विविधता और अलगाव के बीच एक सकारात्मक सहसंबंध है, लेकिन यह नियत (deterministic) नहीं है।
  • केस स्टडी (हैरो बनाम लुटन): दोनों जिलों में समान विविधता और जनसंख्या है। हालांकि, हैरो अच्छी तरह से मिश्रित (कम अलगाव) है, जबकि लुटन उच्च अलगाव प्रदर्शित करता है जहाँ व्हाइट (श्वेत) पड़ोस एक एशियाई कोर के चारों ओर स्थित है। मानक विविधता मेट्रिक्स इस संरचनात्मक अंतर को मिस कर सकते हैं; MI अपघटन इसे पकड़ लेता है।

• इंट्रा-ग्रुप अलगाव (क्रॉयडन):

  • क्रॉयडन (एक अत्यधिक विविध लंदन बोरो) में, जनसांख्यिकीय समूहों को मोटा करने (coarse-graining) से अलगाव की 48% जानकारी खो जाती है।
  • अपघटन: "एशियाई" सुपरग्रुप (supergroup) अपने भीतर के अलगाव का 32% हिस्सा है (भारतीयों बनाम पाकिस्तानियों के विशिष्ट स्थानिक क्लस्टरिंग के कारण), जबकि "ब्लैक" सुपरग्रुप केवल 12% का योगदान देता है।
  • एकत्रीकरण संवेदनशीलता: जनसांख्यिकीय समूहीकरण का चुनाव मायने रखता है। क्रॉयडन में "व्हाइट बनाम नॉन-व्हाइट" विभाजन, "व्हाइट ब्रिटिश बनाम नॉन-व्हाइट ब्रिटिश" विभाजन की तुलना में कम अलगाव स्पष्ट करता है, जबकि अन्य बोरो में इसके विपरीत सत्य है। यह रेखांकित करता है कि "इष्टतम" जनसांख्यिकीय पैमाना क्षेत्र-निर्भर होता है।

5. महत्व और भविष्य की दिशाएं (Significance and Future Directions)

• सैद्धांतिक कठोरता: सूचकांक को सूचना सिद्धांत के स्वयंसिद्धों (axioms) पर आधारित करके, शोध पत्र अलगाव मेट्रिक्स चुनने की अस्पष्टता को हल करता है। यह म्युचुअल इंफॉर्मेशन को न केवल एक सुविधाजनक उपकरण के रूप में, बल्कि विशिष्ट आवश्यकताओं के लिए गणितीय रूप से आवश्यक विकल्प के रूप में स्थापित करता है।
• नीति और योजना: इसकी अपघटनीयता (decomposability) योजनाकारों को यह पहचानने में मदद करती है कि अलगाव कहाँ (कौन से क्षेत्र) और किनके बीच (कौन से उप-समूह) सबसे तीव्र है। यह केवल "कितना" अलगाव है से आगे बढ़कर "यह कैसे संरचित है" तक ले जाता है।
• अलगाव से परे: लेखक उल्लेख करते हैं कि यह ढांचा व्यापक रूप से क्लस्टरिंग समस्याओं पर लागू होता है जहाँ किसी विभाजन की तुलना मेटाडेटा से की जाती है (जैसे: नेटवर्क कम्युनिटी बनाम उद्योग कोड)।
• भावी कार्य: शोध पत्र सांख्यिकीय सार्थकता परीक्षण के लिए 'नल मॉडल' (null models) तक विस्तार करने और "आंशिक" समानता वाले पहचानों (बाइनरी भिन्न/समान वर्गीकरण से आगे) को संभालने के लिए विधियाँ विकसित करने का सुझाव देता है।

संक्षेप में, यह शोध पत्र म्युचुअल इंफॉर्मेशन को बहु-स्तरीय अलगाव विश्लेषण के लिए स्वर्ण मानक (gold standard) के रूप में स्थापित करता है, जो असमानता के जटिल पैटर्न को समझने के लिए एक कठोर गणितीय आधार और एक शक्तिशाली व्यावहारिक टूलकिट प्रदान करता है।