📈 economics

Difference-in-Differences in the Presence of Unknown Interference

यह तकनीकी नोट जांच करता है कि अज्ञात हस्तक्षेप (interference) कैसे डिफरेंस-इन-डिफरेंसेस डिजाइनों में SUTVA धारणा का उल्लंघन करता है, यह प्रदर्शित करते हुए कि मानक एस्टिमैंड (estimand) अतिरिक्त धारणाओं को लागू किए बिना विशिष्ट प्रभावों के बजाय कारण प्रभावों के एक कंट्रास्ट (contrast) की पहचान करता है, एक बिंदु जिसे कार्ड और क्रूगर (1994) के न्यूनतम मजदूरी अध्ययन के पुनरीक्षण के माध्यम से स्पष्ट किया गया है।

मूल लेखक: Fabrizia Mealli, Javier Viviens

प्रकाशित 2026-07-22

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Fabrizia Mealli, Javier Viviens

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 जासूस हैं जो एक रहस्य सुलझाने की कोशिश कर रहे हैं: क्या वास्तव में एक नई नीति ने बदलाव लाया, या वह बदलाव केवल एक प्राकृतिक रुझान का हिस्सा था? अर्थशास्त्र और सामाजिक विज्ञान की दुनिया में, शोधकर्ता इस मामले को सुलझाने के लिए एक चतुर उपकरण का उपयोग करते हैं जिसे "डिफरेंस-इन-डिफरेंस" (DiD) कहा जाता है। इसे एक समय-यात्रा करने वाले तुलना के रूप में सोचें। आप लोगों के दो समूह चुनते हैं: एक "ट्रीटमेंट ग्रुप" (उपचार समूह) जिसे एक नया नियम मिलता है (जैसे कि उच्च न्यूनतम मजदूरी), और एक "कंट्रोल ग्रुप" (नियंत्रण समूह) जिसमें चीजें वैसी ही रहती हैं। आप नियम बदलने से पहले दोनों समूहों को मापते हैं, फिर नियम बदलने के बाद उन्हें फिर से मापते हैं। जादू तब होता है जब आप ट्रीटमेंट ग्रुप में आए बदलाव की तुलना कंट्रोल ग्रुप में आए बदलाव से करते हैं। यदि ट्रीटमेंट ग्रुप उछलकर ऊपर गया जबकि कंट्रोल ग्रुप स्थिर रहा, तो आप निष्कर्ष निकाल सकते हैं कि नियम ने उस उछाल का कारण बना।

लेकिन, इसमें एक पेंच है। यह जासूसी कार्य एक छिपे हुए नियम पर निर्भर करता है जिसे SUTVA कहा जाता है। सरल शब्दों में, यह नियम कहता है कि एक व्यक्ति का अनुभव दूसरे व्यक्ति के साथ जो हो रहा है उससे प्रभावित नहीं होना चाहिए। यह मानता है कि यदि आप एक शहर में न्यूनतम मजदूरी बढ़ाते हैं, तो यह पड़ोसी शहर में गुप्त रूप से नौकरी के बाजार को नहीं बदलता है। यदि यह नियम बना रहता है, तो गणित पूरी तरह से काम करता है। लेकिन क्या होगा यदि ऐसा नहीं होता? क्या होगा यदि "ट्रीटमेंट" समूह और "कंट्रोल" समूह वास्तव में एक-दूसरे से फुसफुसा रहे हैं, रहस्य साझा कर रहे हैं, या एक-दूसरे के परिणामों को प्रभावित कर रहे हैं? यही वह पहेली है जिसे यह शोध पत्र संबोधित करता है: जब समूह अलग-थलग द्वीप नहीं, बल्कि प्रभाव के अदृश्य धागों से जुड़े होते हैं, तो हमारी जासूसी का क्या होता है?

लेखक, फैब्रिज़िया मेलली और जेवियर विविएन्स, कठोर गणित और व्यावहारिक उदाहरणों के मिश्रण के साथ इस समस्या में उतरते हैं। वे दिखाते हैं कि जब ये अदृश्य धागे (जिन्हें वे "इंटरफेरेंस" या "स्पिलओवर" कहते हैं) मौजूद होते हैं, तो मानक DiD गणना एक एकल समूह के बारे में सच बताना बंद कर देती है। एक स्पष्ट उत्तर देने के बजाय जैसे कि "नीति ने नौकरियों में 5% की वृद्धि की," गणित केवल दो अज्ञातओं के बीच का अंतर देता है। यह एक बैंक से चोरी हुए धन का पता लगाने की कोशिश करने जैसा है, यह जानते हुए भी कि बैंक का वॉल्ट पड़ोसी की तिजोरी से $1,000 कम है, बिना यह जाने कि शुरुआत में दोनों में कितना पैसा था। परिणाम आपको दोनों समूहों के बीच का अंतर बताता है, लेकिन यह आपको यह नहीं बता सकता कि बैंक ने पैसा खोया, या पड़ोसी ने लाभ कमाया, या दोनों ने नुकसान उठाया लेकिन बैंक का नुकसान अधिक था।

यह शोध पत्र सिद्ध करता है कि इन जटिल परिस्थितियों में, मानक DiD संख्या केवल एक "कारण प्रभावों का कंट्रास्ट" (contrast of causal effects) है। यह प्रकट करता है कि ट्रीटमेंट ग्रुप प्रभावित हुआ था, लेकिन यह किसी भी समूह के लिए वास्तविक प्रभाव की दिशा या आकार के बारे में मौन रहता है। एक सकारात्मक परिणाम का अर्थ यह हो सकता है कि नीति ट्रीटमेंट ग्रुप के लिए बहुत अच्छी रही, या इसका अर्थ यह हो सकता है कि नीति ने कंट्रोल ग्रुप को और भी अधिक नुकसान पहुँचाया, या दोनों। लेखक बहुत स्पष्ट हैं: अतिरिक्त धारणाओं के बिना, हम सिग्नल को शोर से अलग नहीं कर सकते।

हालाँकि, लेखक हमें केवल एक मृत अंत पर नहीं छोड़ते हैं। वे "क्या-होता-यदि" (what-if) परिदृश्यों का एक सेट पेश करते हैं जो हमें वापस पटरी पर लाने में मदद कर सकते हैं। वे सुझाव देते हैं कि यदि शोधकर्ता हस्तक्षेप के बारे में विशिष्ट, तर्कसंगत अनुमान लगाने के लिए तैयार हैं, तो वे इस उलझन को सुलझाना शुरू कर सकते हैं। उदाहरण के लिए, यदि हम यह मान लें कि कंट्रोल ग्रुप पर "स्पिलओवर" प्रभाव शून्य है (वे वास्तव में अप्रभावित हैं), या यदि हम यह मान लें कि कंट्रोल ग्रुप पर प्रभाव ट्रीटमेंट ग्रुप की तुलना में छोटा है, तो हम अंततः वास्तविक नीति प्रभाव के बारे में कुछ कहना शुरू कर सकते हैं। वे यहाँ तक दिखाते हैं कि "सेंसिटिविटी एनालिसिस" (संवेदनशीलता विश्लेषण) कैसे सेट किया जाए, जो तनाव परीक्षणों की तरह हैं: "यदि स्पिलओवर प्रभाव इतना बड़ा था, तो क्या हमारा निष्कर्ष अभी भी कायम रहता?"

अपने बिंदु को ठोस बनाने के लिए, लेखक 1994 के एक प्रसिद्ध अध्ययन का पुनरावलोकन करते हैं, जिसमें कार्ड और क्रूगर ने दावा किया था कि न्यू जर्सी में न्यूनतम मजदूरी बढ़ाने से वास्तव में फास्ट-फूड रेस्तरां में रोजगार बढ़ गया था। मूल अध्ययन ने न्यू जर्सी की तुलना पड़ोसी पेंसिल्वेनिया से की थी। इस नए पेपर के लेखक तर्क देते हैं कि यदि न्यू जर्सी में वेतन वृद्धि ने श्रमिकों को सीमा पार करने के लिए प्रेरित किया या पेंसिल्वेनिया में अर्थव्यवस्था को बदल दिया, तो "नो इंटरफेरेंस" (कोई हस्तक्षेप नहीं) का नियम टूट गया। उस स्थिति में, मूल निष्कर्ष कि "नौकरियां बढ़ीं" आवश्यक रूप से सिद्ध नहीं होता है। गणित केवल यह दिखाता है कि न्यू जर्सी पेंसिल्वेनिया से बेहतर प्रदर्शन कर रहा था। यह संभव है कि दोनों जगहों पर नौकरियां कम हुई हों, लेकिन न्यू जर्सी में वे कम हुई थीं। मूल निष्कर्ष केवल तभी जीवित रहता है यदि हम यह मान लें कि पेंसिल्वेनिया पर स्पिलओवर प्रभाव या तो अस्तित्वहीन था या न्यू जर्जी के प्रभाव से छोटा था।

अंततः, यह शोध पत्र उन सभी के लिए एक चेतावनी है जो इन सांख्यिकीय उपकरणों का उपयोग कर रहे हैं। यह नहीं कहता कि DiD बेकार है; यह केवल कहता है कि जब दुनिया परस्पर जुड़ी हुई हो, तो हमें इसके परिणामों की व्याख्या करने में बहुत अधिक सावधान रहने की आवश्यकता है। लेखक प्रदर्शित करते हैं कि हालांकि मानक संख्या समूहों की तुलना करने के लिए अभी भी उपयोगी है, लेकिन यह एक नीति की सफलता का सीधा माप नहीं रह जाती है जब तक कि हम यह समझाने के लिए तर्क की अतिरिक्त परतें न जोड़ दें कि समूह एक-दूसरे को कैसे प्रभावित कर रहे हैं। इन छिपे हुए अनुमानों को दृश्यमान बनाकर, वे उम्मीद करते हैं कि शोधकर्ता अनुमान लगाना बंद करेंगे और अपने डेटा के वास्तविक अर्थ के बारे में अधिक मजबूत, अधिक ईमानदार तर्क बनाना शुरू करेंगे।

तकनीकी सारांश: अज्ञात हस्तक्षेप की उपस्थिति में डिफरेंस-इन-डिफरेंस (Difference-in-Differences)

समस्या विवरण
स्टेबल यूनिट ट्रीटमेंट वैल्यू अज़म्प्शन (SUTVA) डिफरेंस-इन-डिफरेंस (DiD) अनुसंधान डिजाइन का एक आधारभूत स्तंभ है, विशेष रूप से वह घटक जो इकाइयों के बीच हस्तक्षेप (स्पिलओवर प्रभावों) को रोकता है। जबकि हालिया प्रभावशाली DiD साहित्य (जैसे, डी चैइसेमार्टिन और डी'हॉल्टफ्यूल, 2020; कैलोवे और सांताना, 2021) ने हेट्रोजेनियस ट्रीटमेंट इफेक्ट्स और पैरेलल ट्रेंड्स के उल्लंघन जैसे मुद्दों को कड़ाई से संबोधित किया है, उन्होंने हस्तक्षेप न होने की धारणा को स्पष्ट करने के बजाय इसे काफी हद तक अंतर्निहित (implicit) माना है। फलस्वरूप, अज्ञात हस्तक्षेप की उपस्थिति में DiD एस्टिमैंड (estimand) के सटीक पहचान गुणों (identification properties) पर—जहाँ स्पिलओवर की संरचना निर्दिष्ट नहीं है और यह समूहों के भीतर और समूहों के बीच दोनों जगह हो सकता है—अभी भी पर्याप्त शोध नहीं हुआ है। लेखक तर्क देते हैं कि हस्तक्षेप के संबंध में स्पष्ट धारणाओं के बिना, DiD अनुमानों की मानक व्याख्या अक्सर अमान्य होती है।

कार्यप्रणाली और ढांचा
यह शोध पत्र एक मानक दो-समूह, दो-अवधि वाले DiD सेटिंग के भीतर एक सुपरपॉपुलेशन दृष्टिकोण अपनाता है। यह संभावित परिणामों (potential outcomes) के ढांचे को औपचारिक रूप देता है, जिससे इकाई $i$ का परिणाम समय $t$ पर सभी इकाइयों ( $W$ ) के उपचार असाइनमेंट पर निर्भर हो सकता है, जिसे $Y_{it}(W)$ द्वारा दर्शाया गया है। उपचार असाइनमेंट वेक्टर को इकाई के अपने उपचार ( $W_{it}$ ), उसी समूह के भीतर इकाइयों के उपचार ( $W_{Git}$ ), और विपरीत समूह के इकाइयों के उपचार ( $W_{1-Git}$ ) में विभाजित किया गया है।

विश्लेषण हस्तक्षेप न होने की धारणा को चरणों में शिथिल (relax) करके आगे बढ़ता है:

कोई हस्तक्षेप नहीं (No Interference): मानक मामला जहाँ $Y_{it}$ केवल $W_{it}$ पर निर्भर करता है।
आंशिक हस्तक्षेप (Partial Interference): हस्तक्षेप समूहों के भीतर मौजूद है लेकिन समूहों के बीच नहीं है।
अज्ञात हस्तक्षेप (Unknown Interference): हस्तक्षेप की संरचना पर कोई प्रतिबंध नहीं लगाया गया है; इकाइयाँ किसी भी अन्य इकाई के साथ हस्तक्षेप कर सकती हैं।

लेखक प्रत्येक परिदृश्य के लिए विशिष्ट कारण एस्टिमैंड (causal estimands) को परिभाषित करते हैं और संशोधित पैरेलल ट्रेंड्स धारणाओं के आधार पर पहचान (identification) परिणाम प्राप्त करते हैं। वे विशिष्ट एक्सपोज़र मैपिंगिंग लागू नहीं करते हैं और न ही विश्लेषण को सीमित आबादी तक ही प्रतिबंधित करते हैं, जिससे वे हस्तक्षेप के विशिष्ट रूप के प्रति उदासीन (agnostic) बने रहते हैं।

प्रमुख परिणाम और पहचान (Identification)

अज्ञात हस्तक्षेप के तहत (प्रपोजिशन 3):
प्राथमिक निष्कर्ष यह है कि अज्ञात हस्तक्षेप के तहत, मानक DiD एस्टिमैंड किसी एकल कारण प्रभाव (जैसे, एवरेज ट्रीटमेंट इफेक्ट ऑन द ट्रीटेड, ATT) की पहचान नहीं करता है। इसके बजाय, यह दो प्रभावों के कंट्रास्ट (contrast) की पहचान करता है:
$\text{DiD} = \tau_1 - \tau_0$
जहाँ:
- $\tau_1$ (TATT) है टोटल एवरेज ट्रीटमेंट इफेक्ट ऑन द ट्रीटेड (उपचारित इकाइयों पर उपचार का प्रभाव, जिसमें अन्य सभी उपचारित इकाइयों से मिलने वाले स्पिलओवर शामिल हैं)।
- $\tau_0$ (ASC) है एवरेज स्पिलओवर इफेक्ट ऑन द कंट्रोल (कंट्रोल इकाइयों पर स्पिलओवर का प्रभाव, जो जनरल इक्विलिब्रियम प्रभावों या उपचारित इकाइयों से स्पिलओवर से प्राप्त होता है)।
लेखक प्रदर्शित करते हैं कि जबकि DiD एस्टिमैंड शोधकर्ताओं को यह परीक्षण करने की अनुमति देता है कि क्या प्रभाव समूहों के बीच भिन्न है, यह $\tau_1$ या $\tau_0$ के व्यक्तिगत परिमाण या दिशा के बारे में कोई जानकारी प्रदान नहीं करता है। शून्य DiD अनुमान इस बात का परिणाम हो सकता है कि दोनों प्रभाव शून्य हैं, या दोनों समान और गैर-शून्य हैं। इसी तरह, एक सकारात्मक DiD अनुमान केवल यह दर्शाता है कि $\tau_1 > \tau_0$ , जिससे ऐसी स्थितियाँ खुली रहती हैं जहाँ दोनों प्रभाव नकारात्मक हों।
आंशिक पहचान रणनीतियाँ (सेक्शन 3):
विशिष्ट कारण प्रभावों को पुनः प्राप्त करने के लिए, यह शोध पत्र वैकल्पिक धारणाओं के सेट प्रस्तावित करता है:
- अनदेखे रुझानों पर धारणाएँ (प्रपोजिशन 4 और 5): यदि शोधकर्ता यह मानते हैं कि उपचार की अनुपस्थिति में संभावित परिणाम ( $Y(0,0,0)$ ) प्रत्येक समूह के भीतर एक विशिष्ट रुझान (जैसे, स्थिर या सीमा $k$ के भीतर) का पालन करता है, तो वे क्रॉस-ग्रुप तुलनाओं पर निर्भर हुए बिना $\tau_1$ और $\tau_0$ को अलग-अलग आंशिक रूप से पहचान सकते हैं।
- स्पिलओवर के चिह्न (Sign) पर धारणाएँ (प्रपोजिशन 6): यदि कंट्रोल ग्रुप पर स्पिलओवर प्रभाव का चिह्न ( $\tau_0$ ) ज्ञात है (उदाहरण के लिए, $\tau_0 \geq 0$ ), तो DiD एस्टिमैंड उपचारित इकाइयों पर कुल प्रभाव के लिए एक निचली सीमा (lower bound) प्रदान करता है ( $\tau_1 \geq \text{DiD}$ )।
- सापेक्ष परिमाण पर धारणाएँ (प्रपोजिशन 7): यदि उपचारित इकाइयों पर कुल प्रभाव का परिमाण कंट्रोल ग्रुप पर स्पिलओवर प्रभाव से अधिक होने की धारणा है ( $|\tau_1| \geq |\tau_0|$ ), तो DiD एस्टिमैंड का चिह्न उपचारित इकाइयों पर कुल प्रभाव के चिह्न की पहचान करता ( $\text{sgn}(\tau_1) = \text{sgn}(\text{DiD})$ )।

अनुप्रयोग: कार्ड और क्रूगर (1994)
यह शोध पत्र न्यू जर्सी न्यूनतम मजदूरी वृद्धि के मौलिक अध्ययन का पुनर्मूल्यांकन करता है। लेखक तर्क देते हैं कि क्रॉस-बॉर्डर कम्यूटिंग और पेंसिल्वेनिया (कंट्रोल ग्रुप) को प्रभावित करने वाले जनरल इक्विलिब्रियम प्रभावों के कारण 'नो-इंटरफेरेंस' धारणा के उल्लंघन की संभावना है।

पुनर्व्याख्या: अज्ञात हस्तक्षेप के तहत, मूल DiD अनुमान 2.75 FTE वर्कर्स का प्रतिनिधित्व करता है, जो न्यू जर्सी में कुल प्रभाव और पेंसिल्वेनिया में स्पिलओवर प्रभाव के बीच का अंतर है, न कि केवल न्यू जर्सी के रोजगार पर मजदूरी वृद्धि का कारण प्रभाव।
वैकल्पिक व्याख्याएँ: मूल निष्कर्ष (कि रोजगार में वृद्धि हुई) केवल तभी मान्य है जब अतिरिक्त धारणाएँ बनाई जाएं, जैसे कि:
1. स्पिलओवर प्रभाव पेंसिल्वेनिया में सकारात्मक है (धारणा 10a), जिससे DiD अनुमान एक निचली सीमा (lower bound) बन जाता है।
2. न्यू जर्सी में प्रभाव का परिमाण पेंसिल्वेनिया में स्पिलओवर से अधिक है (धारणा 11), जिससे DiD अनुमान का चिह्न न्यू जर्जी के प्रभाव के चिह्न की पहचान करने की अनुमति देता है।

महत्व और योगदान
इस शोध पत्र का प्राथमिक योगदान हस्तक्षेप की उपस्थिति में पहचान की समस्या को स्पष्ट और पारदर्शी बनाना है। यह स्पष्ट करता है कि DiD एस्टिमैंड स्वाभाविक रूप से एक कारण प्रभाव नहीं है, बल्कि प्रभावों का एक कंट्रास्ट है जब हस्तक्षेप मौजूद होता है। उन तर्कों को औपचारिक रूप देकर जिन्हें शोधकर्ता अक्सर स्पष्ट रूप से (जैसे, स्पिलओवर की दिशा या परिमाण के संबंध में) उपयोग करते हैं, यह शोध पत्र DiD निष्कर्षों की वैधता पर चर्चा करने के लिए एक संरचित ढांचा प्रदान करता है। यह कोई नया अनुमान एल्गोरिदम प्रस्तावित नहीं करता है, बल्कि धारणाओं का एक कठोर सेट प्रदान करता है जिसके तहत मौजूदा DiD अनुमानों को कारण व्याख्या दी जा सकती है, जिससे मानक DiD अभ्यास और हस्तक्षेप वाली वास्तविक स्थितियों के बीच के अंतर को पाटा जा सके।

इसी तरह के और पेपर