Testing Monotonicity in a Finite Population

तकनीकी सारांश: एक परिमित जनसंख्या में एकतलता (Monotonicity) का परीक्षण करना

समस्या विवरण
यह शोध पत्र इस बात की जांच करता है कि एक पूर्णतः यादृच्छिक प्रयोग (completely randomized experiment), जिसमें बाइनरी परिणाम होते हैं, किस हद तक यह प्रकट कर सकता है कि क्या एक परिमित जनसंख्या के सभी व्यक्तियों के उपचार प्रभाव (treatment effects) एक ही चिह्न (sign) के हैं (एकतलता)। लेखक सांख्यिकीय अनिश्चितता के दो अलग-अलग ढांचों के बीच अंतर करते हैं:

1. सुपरपॉपुलेशन परिप्रेक्ष्य (The Superpopulation Perspective): $n$ प्रेक्षित इकाइयों को एक अनंत सुपरपॉपुलेशन के नमूने के रूप में देखा जाता है जिसका प्रकार अनुपात $p = (p_{at}, p_{nt}, p_{d}, p_{c})$ है। एकतलता तब बनी रहती है जब $\min(p_d, p_c) = 0$ हो। इस ढांचे में यह स्थापित है कि एकतलता को गलत सिद्ध नहीं किया जा सकता (not falsifiable); किसी भी ऐसे सुपरपॉपुलेशन के लिए जो एकतलता का उल्लंघन करता है, एक ऐसा एकतल (monotonic) सुपरपॉपुलेशन मौजूद होता है जो समान प्रेक्षित डेटा वितरण उत्पन्न करता है।
2. डिज़ाइन-आधारित परिप्रेक्ष्य (The Design-Based Perspective): $n$ इकाइयाँ और उनके संभावित परिणाम (potential outcomes) स्थिर हैं। सांख्यिकीय अनिश्चितता केवल उपचार के यादृच्छिक आवंटन (random assignment) से उत्पन्न होती है। एकतलता तब बनी रहती है जब परिमित जनसंख्या की गणनाएँ $\min(\theta_d, \theta_c) = 0$ को संतुष्ट करती हैं, जहाँ $\theta = (\theta_{at}, \theta_{nt}, \theta_d, \theta_c)$ हमेशा लेने वालों (always-takers), कभी न लेने वालों (never-takers), विद्रोही (defiers), और अनुपालकों (compliers) की गणनाओं को दर्शाता है।

केंद्रीय प्रश्न यह है कि क्या डिज़ाइन-आधारित परिप्रेक्ष्य एकतलता के उल्लंघनों के बारे में जानने के लिए एक सार्थक मार्ग प्रदान करता है, यह देखते हुए कि पहचान (identification) की मानक परिभाषा बताती है कि पैरामीटर सुस्पष्ट (distinguishable) हैं।

कार्यप्रणाली (Methodology)
लेखक एक कठोर डिज़ाइन-आधारित ढांचे का उपयोग करते हैं जहाँ संभावित परिणाम स्थिर हैं, और यादृच्छिकता केवल उपचार आवंटन वेक्टर $D$ से उत्पन्न होती है। प्रेक्षित डेटा को उपचारित और अनुपचारित इकाइयों की गणनाओं $Y = (Y_T, Y_U)$ द्वारा संक्षेपित किया जाता है।

विश्लेषण तीन मुख्य दृष्टिकोणों के माध्यम से आगे बढ़ता है:

1. पहचान विश्लेषण (Identification Analysis): लेखक परिमित जनसंख्या प्रकार गणनाओं $\theta$ से प्रेक्षित डेटा के वितरण $f_\theta$ के मानचित्रण (mapping) की जांच करते हैं। वे $g_p$ के साथ $\theta \mapsto f_\theta$ के मानचित्रण की तुलना करते हैं।
2. आवृत्तिवादी शक्ति विश्लेषण (Frequentist Power Analysis): वे एकतलता की शून्य परिकल्पना ($\theta \in \Theta_0$) के विरुद्ध विकल्पों ($\theta \in \Theta_1$) के लिए परिकल्पना परीक्षणों की शक्ति के सैद्धांतिक बंधों (theoretical bounds) का विश्लेषण करते हैं। इसमें सबसे खराब स्थिति की शक्ति (worst-case power), विकल्पों के पड़ोस में भारित औसत शक्ति (weighted average power - WAP), और निष्पक्ष परीक्षणों (unbiased tests) के गुणों का विश्लेषण शामिल है।
3. बायेसियन अपडेटिंग और अनुमान (Bayesian Updating and Estimation): वे जांच करते हैं कि क्या बायेसियन पूर्व (priors) डेटा देखने पर अपडेट होते हैं और एकतलता के उल्लंघन के परिमाण ($v = \frac{1}{n}\min(\theta_d, \theta_c)$) तथा पूर्ण प्रकार वेक्टर $\theta$ के अनुमान के लिए मिनिमैक्स मीन-स्क्वेर्ड एरर (MSE) का विश्लेषण करते हैं। वे MLE के स्पर्शोन्मुखी व्यवहार (asymptotic behavior) का भी अध्ययन करते हैं।

इन परिणामों को स्थापित करने के लिए, लेखक डेटा वितरण के समर्थन (support) के संबंध में कॉम्बिनेटोरियल तर्कों का उपयोग करते हैं, विशिष्ट पूर्वों (priors) के जोड़े का निर्माण करते हैं जो प्रेक्षणीय रूप से समतुल्य डेटा वितरण प्रेरित करते हैं, और रैंडमाइजेशन वितरण को एक असतत सामान्य वितरण (discrete normal distribution) के रूपके निकटतम (approximate) करने के लिए लोकल सेंट्रल लिमिट थ्योरम का उपयोग करते हैं।

मुख्य योगदान और परिणाम

• औपचारिक पहचान बनाम व्यावहारिक सीख (Formal Identification vs. Practical Learnability):
  लेखक सिद्ध करते हैं कि डिज़ाइन-आधारित परिप्रेक्ष्य के तहत, परिमित जनसंख्या प्रकार गणना $\theta$ औपचारिक रूप से पहचानी (identified) जाती है। विशेष रूप से, $\theta \mapsto f_\theta$ एक-से-एक (one-to-one) मानचित्रण है (प्रपोजिशन 3.1)। यह सुपरपॉपुलेशन मामले के विपरीत है जहाँ $p$ पहचाना नहीं जा सकता। हालाँकि, लेखक तर्क देते हैं कि परिमित नमूनों में व्यावहारिक सीखने के लिए औपचारिक पहचान एक अपर्याप्त मानदंड है क्योंकि यह उन्हीं स्थिर इकाइयों के लिए उपचार आवंटन की काल्पनिक पुनरावृत्ति पर निर्भर करता है, जबकि वास्तव में केवल एक ही प्राप्ति (realization) देखी जाती है।

• आवृत्तिवादी परीक्षणों पर गंभीर सीमाएँ (Severe Limitations on Frequentist Testing):
  यद्यपि एकतलता के लिए गैर-तुच्छ परीक्षण मौजूद हैं, उनकी शक्ति सामान्य रूप से बहुत खराब है:

  • सबसे खराब स्थिति की शक्ति (Worst-Case Power): सम $n$ के लिए, कोई भी स्तर-$\alpha$ परीक्षण कुछ विकल्पों के विरुद्ध $\alpha$ से अधिक शक्ति नहीं रखता है। विषम $n$ के लिए, सबसे खराब स्थिति की शक्ति $\alpha(1 + O(2^{-n}))$ द्वारा सीमित है (प्रपोजिशन 4.2)।
  • भारित औसत शक्ति (WAP): यहाँ तक कि एक विशिष्ट विकल्प को लक्षित करने पर भी, परीक्षण "निकटवर्ती" विकल्पों के विरुद्ध कम शक्ति रखते हैं। किसी भी आकार-$\alpha$ परीक्षण की WAP लगभग $2.51\alpha$ द्वारा सीमित है (उदाहरण के लिए, एक 5% परीक्षण की WAP $12.6\%$ से अधिक नहीं है) (प्रपोजिशन 4.3)। यह बंध $n$ बढ़ने के साथ कड़ा होता जाता है, और निष्पक्ष परीक्षणों के लिए $\alpha$ की ओर अभिसरित होता है (प्रपोजिशन 4.5)।
  • निहितार्थ: परीक्षण केवल बहुत विशिष्ट, पृथक विकल्पों का पता लगाने के लिए उपयोगी हैं और एकतलता के सामान्य उल्लंघनों के विरुद्ध मजबूत साक्ष्य प्रदान करने में विफल रहते हैं।

• बायेसियन अपडेटिंग और वर्गीकरण (Bayesian Updating and Classification):

  • नॉन-अपडेटिंग पूर्व (Non-Updating Priors): लेखक गैर-विकृत (non-degenerate) बायेसियन पूर्वों के अस्तित्व को प्रदर्शित करते हैं जो एकतलता की संभावना के संबंध में कभी अपडेट नहीं होते हैं। विशेष रूप से, सम $n$ के लिए, ऐसे पूर्व मौजूद हैं जहाँ एकतलता की पश्च प्रायिकता (posterior probability) लगभग निश्चित रूप से पूर्व प्रायिकता के बराबर होती है (प्रपोजिशन 5.1)।
  • वर्गीकरण सीमाएँ (Classification Limits): फलस्वरूप, एकतलता बनी हुई है या नहीं, इसके लिए कोई भी बाइनरी क्लासिफायर कुछ पैरामीटर मानों पर यादृच्छिक अनुमान (random guessing) से बेहतर प्रदर्शन नहीं करता है (0.5 त्रुटि दर) (कोरोलरी 5.1)।

• अनुमान संबंधी कठिनाइयाँ (Estimation Difficulties):

  • मिनिमैक्स MSE: $v$ या पूर्ण वेक्टर $\theta$ के अनुमान के लिए मिनिमैक्स MSE यह दिखाने के लिए अत्यंत कठिन है कि यह तुच्छ अनुमानक $\hat{v} = 1/4$ के करीब है (प्रपोजिशन 6.1)।
  • MLE का व्यवहार: मैक्सिमम लाइक्लीहुड एस्टिमेटर (MLE) फ्रेचेट-होफ़िंग (Fréchet–Hoeffding) एंडपॉइंट्स में से एक की ओर अभिसरित होता है, जो प्रभावी रूप से चारों प्रकारों में से एक को शून्य प्रायिकता प्रदान करता है, भले ही जनसंख्या में सभी प्रकार मौजूद हों। ऐसा इसलिए होता है क्योंकि लाइक्लीहुड केवल मार्जिनल्स और एक सहसंबंध पद के माध्यम से $\theta$ पर निर्भर करती है जिसे एकल ड्रॉ से अनुमानित करना कठिन है (प्रपोजिशन 6.2)। MLE का स्पर्शोन्मुखी (asymptotic) सबसे खराब स्थिति का MSE, मिनिमैक्स बाउंड से काफी अधिक है।

महत्व और दावे
यह शोध पत्र दावा करता है कि हालांकि डिज़ाइन-आधारित परिप्रेक्ष्य तकनीकी रूप से परिमित जनसंख्या के मापदंडों की पहचान करता है, यह पहचान एकतलता के उल्लंघनों के बारे में "बहुत कम, यदि कुछ भी नहीं, व्यावहारिक सीखने" में बदल जाती है। लेखक तर्क देते हैं कि डिज़ाइन-आधारित सेटिंग में पहचान की पाठ्यपुस्तक परिभाषा भ्रामक है क्योंकि यह डेटा के एकल प्राप्ति से सीखने की सीमाओं को ध्यान में नहीं रखती है।

इस कार्य का महत्व निम्नलिखित में निहित है:

1. पहचान का पुनर्मूल्यांकन: यह रेखांकित करता है कि औपचारिक पहचान यह गारंटी नहीं देती है कि डेटा परिमित नमूनों में निष्कर्ष (inference) के लिए सूचनात्मक है, विशेष रूप से डिज़ाइन-आधारित कारण अनुमान (causal inference) में।
2. मानक निष्कर्ष की सीमाएँ: यह कठोर बंध प्रदान करता है जो दिखाते हैं कि आवृत्तिवादी परीक्षण और बायेसियन अपडेटिंग मौलिक रूप से एकतलता के उल्लंघनों का पता लगाने या उन्हें मापने में सीमित हैं।
3. पद्धतिगत अंतर्दृष्टि: यह सुझाव देता है कि डिज़ाइन-आधारित सेटिंग में डेटा की सूचनात्मकता का आकलन करने के लिए केवल पहचान मानदंडों पर भरोसा करने के बजाय परीक्षणों और अपडेट नियमों के गुणों का विश्लेषण करना आवश्यक है।

लेखक कोई नए प्रयोगात्मक डिजाइन या अनुप्रयोग प्रस्तावित नहीं करते हैं, बल्कि वे एकतलता के लिए मानक डिज़ाइन-आधारित ढांचे में निहित निष्कर्ष संबंधी सीमाओं का एक चेतावनीपूर्ण विश्लेषण प्रस्तुत करते हैं। वे नोट करते हैं कि ये निष्कर्ष काउंटरफैक्चुअल यूटिलिटी से जुड़ी निर्णय समस्याओं के लिए प्रासंगिक हो सकते हैं और सुझाव देते हैं कि समान मुद्दे अन्य डिज़ाइन-आधारित कारण अनुमान समस्याओं में भी उत्पन्न हो सकते हैं।