Correcting for Nonignorable Nonresponse Bias in Ordinal Observational Survey Data
यह शोधपत्र एक अधिकतम संभावना अनुमानक (मैक्सिमम लाइकलीहुड एस्टिमेटर) प्रस्तुत करता है जो राजनीतिक सर्वेक्षणों में गैर-नगण्य गैर-प्रतिक्रिया पूर्वाग्रह (नॉनइग्नोरेबल नॉनरिस्पॉन्स बायस) को ठीक करने के लिए अवलोकन योग्य सहचरों और जनसंख्या भार को एकीकृत करते हुए, प्रतिक्रिया-प्रवृत्ति प्रॉक्सी का उपयोग करके वेरिएबल-रिस्पॉन्स-प्रोपेंसिटी ढांचे को क्रमिक परिणामों (ऑर्डिनल आउटकम्स) तक विस्तारित करता है।
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
द ग्रेट सर्वे मिस्ट्री: जब न आने वाले लोग सबसे महत्वपूर्ण होते हैं
कल्पना कीजिए कि आप अपने शहर के हर व्यक्ति की औसत ऊंचाई का अनुमान लगाने की कोशिश कर रहे हैं। आप शहर के चौक में खड़े होते हैं और वहां से गुजरने वाले लोगों से पूछते हैं, "आपकी ऊंचाई कितनी है?" जो लोग रुककर जवाब देते हैं, उनमें से अधिकांश औसत ऊंचाई के होते हैं। लेकिन बहुत लंबे लोग ऊपरी शेल्फ तक पहुँचने के लिए स्ट्रेचिंग करने में बहुत व्यस्त होते हैं, और बहुत छोटे लोग छतरियों के नीचे छिप जाते हैं। यदि आप केवल उन लोगों को गिनते हैं जो बात करने के लिए रुके, तो आपका अनुमान गलत होगा। यह सर्वेक्षणों में नॉन-रिस्पॉन्स बायस (nonresponse bias) की समस्या है। राजनीति विज्ञान और सामाजिक अनुसंधान की दुनिया में, वैज्ञानिक यह समझने के लिए सर्वेक्षणों पर भरोसा करते हैं कि लोग अर्थव्यवस्था से लेकर अपनी खुशी तक हर चीज़ के बारे में क्या सोचते हैं। लेकिन जैसे-जैसे अधिक लोग सर्वेक्षण कॉल को अनदेखा कर रहे हैं या ऑनलाइन फॉर्म छोड़ रहे हैं, शोधकर्ताओं को चिंता होती है कि जो लोग जवाब दे रहे हैं, वे उन लोगों से अलग हैं जो नहीं दे रहे हैं।
आमतौर पर, वैज्ञानिक इसे "वेटिंग" (weighting) करके ठीक करने की कोशिश करते हैं। यदि वास्तविक दुनिया की तुलना में सर्वेक्षण में कम युवा लोग हैं, तो वे बस संतुलन बनाने के लिए युवाओं के जवाबों को अधिक महत्व देते हैं। यह तब बहुत अच्छा काम करता है जब बोलने वालों और मौन भीड़ के बीच एकमात्र अंतर उनकी आयु या लिंग हो। लेकिन क्या होगा अगर वह मौन ही एक सुराग हो? क्या होगा अगर जो लोग उत्तर देने से इनकार कर रहे हैं, वे विशेष रूप से इसलिए चुप हैं क्योंकि वे दुखी, क्रोधित या असंतुष्ट हैं? इसे नॉन-इग्नरेबल नॉन-रिस्पॉन्स (nonignorable nonresponse) कहा जाता है। यह ऐसा है जैसे शहर के चौक में मौन लोग केवल व्यस्त नहीं हैं; वे इसलिए छिप रहे हैं क्योंकि उन्हें अपनी ऊंचाई के बारे में शर्मिंदगी महसूस हो रही है। यदि आप इस बात का हिसाब नहीं रखते कि वे क्यों छिप रहे हैं, तो आपकी गणित गलत होगी, चाहे आप कितने भी युवाओं को ही क्यों न गिन लें। यह वही पेचीदा पहेली है जिसे लाफर्स, मिंटल और सुतोरिस के पेपर ने हल करने का प्रयास किया है।
द पेपर: "कोऑपरेशन मीटर" के साथ मौन भीड़ को पकड़ना
इस पेपर के लेखकों ने, जो 2026 में प्रकाशित हुआ है, उन सर्वेक्षणों को ठीक करने के लिए एक नया गणितीय उपकरण बनाया है जहाँ वे लोग जो उत्तर नहीं देते, वे उन लोगों से भिन्न होते हैं जो उत्तर देते हैं, विशेष रूप से तब जब उत्तर एक स्केल पर हों (जैसे "बहुत खुश" से "बहुत दुखी" तक) न कि केवल "हाँ" या "नहीं" में।
एक मानक सर्वेक्षण को "गेम ऑफ गेस द स्कोर" (अंकों का अनुमान लगाने वाला खेल) के रूप में सोचें। आमतौर पर, यदि कोई खेल में नहीं आता है, तो रेफरी उन्हें अनदेखा कर देता है। लेकिन यह पेपर सुझाव देता है कि रेफरी यह अनुमान लगाने के लिए एक "कोऑपरेशन मीटर" (सहयोग मीटर) देख सकता है कि छूटे हुए खिलाड़ियों ने क्या स्कोर किया होता। उनके तरीके में, वे साक्षात्कार के बाद पूछे गए एक प्रश्न का उपयोग करते हैं, जैसे "आपको यह बातचीत कितनी पसंद आई?" या "आप कितने सहयोगी थे?" यह रिस्पॉन्स-प्रोपेंसिटी प्रॉक्सी (response-propensity proxy) है। यह उन लोगों द्वारा पीछे छोड़ा गया एक सुराग है जिन्होंने बात की।
लेखकों ने महसूस किया कि यदि वे लोग जिन्होंने साक्षात्कार से नफरत की (कम सहयोग), जीवन संतुष्टि पर भी कम स्कोर देने की प्रवृत्ति रखते थे, तो वे लोग जिन्होंने बिल्कुल भी उत्तर नहीं दिया (शून्य सहयोग), शायद और भी कम स्कोर देते। उन्होंने इन बिंदुओं को जोड़ने वाला एक फॉर्मूला बनाया। यह लोगों की एक कतार को देखने जैसा है जो सवारी का इंतज़ार कर रहे हैं। यदि कतार के आगे के लोग (जिन्होंने सवारी को पसंद किया) मुस्कुरा रहे हैं, और कतार के पीछे के लोग (जिन्होंने इसे मुश्किल से सहन किया) मुंह फुलाए हुए हैं, तो आप अनुमान लगा सकते हैं कि जिन लोगों ने कतार में आने की कोशिश ही नहीं की, वे शायद और भी अधिक मुंह फुलाए हुए होंगे।
उन्होंने क्या पाया: हर सर्वेक्षण को बचाव की आवश्यकता नहीं होती
टीम ने अपने नए उपकरण का परीक्षण 2024 के अमेरिकन नेशनल इलेक्शन स्टडीज (ANES) के डेटा का उपयोग करके किया, जो लगभग 3,000 लोगों का एक विशाल सर्वेक्षण है। उन्होंने एक ऐसी स्थिति का अनुकरण (simulate) किया जहाँ लगभग 65% लोगों ने सर्वेक्षण का उत्तर नहीं दिया (जो आधुनिक सर्वेक्षणों के लिए एक बहुत ही वास्तविक संख्या है)। फिर उन्होंने यह अनुमान लगाने के लिए अपने "कोऑपरशन मीटर" पद्धति का उपयोग किया कि मौन 65% क्या कहते।
परिणाम "वाह, इसने सब कुछ बदल दिया" और "हम्म, इतना भी नहीं" का मिश्रण थे।
- बड़ा बदलाव (जीवन संतुष्टि): जब उन्होंने देखा कि लोग अपने जीवन से कितने संतुष्ट थे, तो सुधार ने एक बड़ा अंतर पैदा किया। असंतुलित सर्वेक्षण ने सुझाव दिया कि अधिकांश लोग "बहुत" या "अत्यधिक" संतुष्ट थे। लेकिन लेखकों ने जब उस मौन, असंतुष्ट भीड़ को ध्यान में रखा, तो तस्वीर बदल गई। सुधारा गया डेटा दिखाया कि जनसंख्या का एक बहुत बड़ा हिस्सा वास्तव में "थोड़ा संतुष्ट" या "बिल्कुल संतुष्ट नहीं" था। गणित ने दिखाया कि साक्षात्कार से नफरत करने और जीवन से असंतुष्ट होने के बीच एक मजबूत संबंध (लगभग 0.47 का सहसंबंध) था। यह सच है कि जो लोग बात करने के लिए बहुत अधिक चिड़चिड़े थे, वे ही औसत खुशी के स्कोर को नीचे खींच रहे थे।
- छोटा बदलाव (अर्थव्यवस्था): जब उन्होंने देखा कि क्या लोग राष्ट्रीय अर्थव्यवस्था के बेहतर या बदतर होने के बारे में सोचते हैं, तो सुधार ने बहुत कम प्रभाव डाला। साक्षात्कार से नफरत करने और अर्थव्यवस्था के खराब होने के बीच का संबंध बहुत कमजोर था (केवल 0.14 का सहसंबंध)। चाहे उन्होंने मौन भीड़ को शामिल किया हो या नहीं, सर्वेक्षण के परिणाम लगभग एक जैसे रहे।
- "कोई बदलाव नहीं" वाला क्षेत्र: मृत्यु दंड, गर्भपात या मीडिया पर विश्वास जैसे विषयों के लिए, सुधार ने लगभग कुछ भी नहीं किया। मौन भीड़ इन विषयों पर बात करने वाली भीड़ की तुलना में अलग राय नहीं रखती थी।
निष्कर्ष: एक ही आकार सबके लिए उपयुक्त नहीं है
इस पेपर का मुख्य सबक यह है कि सर्वेक्षण पूर्वाग्रह (bias) को ठीक करना कोई जादुई छड़ी नहीं है जो हर सवाल के लिए काम करती है। लेखक दिखाते हैं कि आपको प्रत्येक विषय की व्यक्तिगत रूप से जांच करनी चाहिए। कुछ चीजों के लिए, जैसे कि लोग अपने जीवन से कितने खुश हैं, जो लोग बात करने से इनकार करते हैं वे एक बहुत ही अलग वास्तविकता को छिपा रहे हैं, और उन्हें अनदेखा करना एक गलत तस्वीर देता है। अन्य चीजों के लिए, जैसे अर्थव्यवस्था या मृत्यु दंड पर विचार, बात करने वाले और न बात करने वाले लोग लगभग एक जैसा ही सोचते हैं।
लेखकों ने केवल अनुमान नहीं लगाया; उन्होंने कंप्यूटर सिमुलेशन चलाकर यह साबित किया कि उनका गणित पुराने तरीकों की तुलना में बेहतर काम करता है, और फिर उन्होंने वास्तविक डेटा पर इसे लागू किया। उन्होंने पाया कि जबकि उनकी नई विधि शक्तिशाली है, यह सबसे उपयोगी तब होती है जब "कोऑपरेशन मीटर" (जैसे कि किसी ने साक्षात्कार को कितना पसंद किया) वास्तव में बहुत अधिक बदलता है और स्पष्ट रूप से संकेत देता है कि कौन बात करने के लिए तैयार है। यदि मीटर नहीं हिलता है, तो विधि यह अनुमान नहीं लगा सकती कि मौन लोग क्या सोच रहे हैं।
संक्षेप में, यह पेपर शोधकर्ताओं को सर्वेक्षण की चुप्पी के पीछे झांकने का एक नया, व्यावहारिक तरीका देता है। यह हमें बताता है कि कभी-कभी, जो लोग "कोई टिप्पणी नहीं" कहते हैं, वे वास्तव में सबसे महत्वपूर्ण आवाजें होते हैं, लेकिन केवल तभी जब हम उन सुरागों को जानना जानते हैं जो उन्होंने पीछे छोड़े हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।