Inference in Regression Discontinuity Designs with Clustered Data

यहाँ क्लाउडिया नोक, टोमास ओल्मा और क्रिस्टोफ़ रोथे के शोध पत्र "Inference in Regression Discontinuity Designs with Clustered Data" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

रिग्रेशन डिस्कंटिन्यूटी (RD) डिज़ाइन अर्थशास्त्र और सामाजिक विज्ञानों में कारण अनुमान (causal inference) का एक आधार स्तंभ हैं। हालाँकि, RD अनुमानकों (विशेष रूप से लोकल लीनियर अनुमानकों) के लिए मानक सैद्धांतिक परिणाम (विशेष रूप से i.i.d. अवलोकनों के लिए) आमतौर पर स्वतंत्र और समान रूप से वितरित (independent and identically distributed - i.i.d.) अवलोकनों को मानते हैं। व्यवहार में, अनुभवजन्य RD अध्ययन अक्सर क्लस्टर्ड डेटा (जैसे, स्कूलों के भीतर छात्र, जिलों के भीतर मतदाता, क्षेत्रों के भीतर फर्में) में शामिल होते हैं, जहाँ क्लस्टर के भीतर के अवलोकन परस्पर निर्भर होते हैं।

क्लस्टर्ड सैंपलिंग की व्यापकता के बावजूद (हाल के ~80% RD अध्ययनों में उपयोग किया जाता है), निम्नलिखित के लिए एक एकीकृत ढांचा तैयार करने में सैद्धांतिक साहित्य का अभाव है:

1. सामान्य क्लस्टरिंग पैटर्न (बढ़ते हुए क्लस्टर आकार सहित) के तहत स्थानीय लीनियर RD अनुमानकों की एसिम्प्टोटिक नॉर्मलिटी (asymptotic normality) स्थापित करना।
2. वैध वेरिएंस अनुमानक (variance estimators) प्रदान करना जो परिमित नमूनों (finite samples) में सुसंगत (consistent) और कुशल हों। मौजूदा विधियाँ, जैसे कि मानक क्लस्टर्ड रिग्रेशन रेसिडुअल्स या निकटतम-पड़ोसी (nearest-neighbor) अनुमानकों के सहज रूपांतरण, या तो असंगत (inconsistent) या अत्यधिक रूढ़िवादी (conservative) सिद्ध होती हैं।

2. कार्यप्रणाली और ढांचा (Methodology and Framework)

A. मॉडल और अनुमानक (Model and Estimator)

लेखक एक 'शार्प' RD डिज़ाइन पर विचार करते हैं जहाँ उपचार (treatment) तब दिया जाता है जब एक रनिंग वेरिएबल $X_{gi}$ कटऑफ (जिसे 0 माना गया है) से अधिक होता है। डेटा $G$ क्लस्टरों से बना है, जिसमें प्रत्येक क्लस्टर $g$ में $n_g$ इकाइयाँ हैं। आउटकम मॉडल है:
$$Y_{gi} = \mu(X_{gi}) + \varepsilon_{gi}$$
जहाँ $\varepsilon_{gi}$ एक क्लस्टर के भीतर मनमाने ढंग से निर्भर हो सकता है लेकिन क्लस्टरों के बीच स्वतंत्र है।

रुचि का अनुमानक लोकल लीनियर RD अनुमानक ($\hat{\tau}(h)$) है, जिसे कटऑफ के दोनों ओर स्थानीय लीनियर रिग्रेशन अनुमानों के अंतर के रूप में परिभाषित किया गया है। यह अनुमानक परिणामों का एक भारित योग (weighted sum) है: $\hat{\tau}(h) = \sum_{g,i} w_{gi}(h) Y_{gi}$।

B. एसिम्प्टोटिक नॉर्मलिटी के लिए उच्च-स्तरीय स्थितियाँ

लेखक उन स्थितियों का वर्णन करते हैं जिनके तहत अनुमानक एसिम्प्टोटिक रूप से सामान्य (asymptotically normal) होता है। मुख्य योगदान Assumption 1 है, जो $se^2(h)$ के सापेक्ष भारों $w_{gi}(h)$ के व्यवहार को प्रतिबंधित करता है। विशेष रूप से, यह आवश्यक है कि कोई भी एकल क्लस्टर वेरिएंस पर हावी न हो (कोई "लार्ज क्लस्टर" प्रभाव न हो जो CLT को तोड़ दे) और भार के पूर्ण क्रॉस-प्रोडक्ट्स का योग सीमित हो।

ये उच्च-स्तरीय स्थितियाँ अनुमान विंडो (bandwidth $nh$) के भीतर क्लस्टर आकारों पर प्रतिबंधों में परिवर्तित होती हैं। लेखक इसे चार एसिम्प्टोटिक फ्रेमवर्क के माध्यम से औपचारिक रूप देते हैं:

• फ्रेमवर्क I और II (छोटे प्रभावी क्लस्टर आकार): यह तब उपयुक्त है जब बैंडविड्थ के भीतर प्रति क्लस्टर इकाइयों की संख्या कम होती है। फ्रेमवर्क I क्लस्टरों के भीतर रनिंग वेरिएबल के एक सीमित जॉइंट डेंसिटी को मानता है; फ्रेमवर्क II ह्रासमान वितरणों (degenerate distributions) (जैसे, एक क्लस्टर के भीतर समान रनिंग वेरिएबल्स) की अनुमति देता है लेकिन क्लस्टर आकारों पर सख्त दर शर्तों को लागू करता है।
• फ्रेमवर्क III और IV (बड़े प्रभावी क्लस्टर आकार): ये क्लस्टर आकारों पर दर शर्तों को शिथिल करते हैं लेकिन अवशेषों (residuals) के सहप्रसरण संरचना (covariance structure) या मानक त्रुटि पर विशिष्ट धारणाएँ आवश्यक करते हैं। ये उन सेटिंग्स को कवर करते हैं जहाँ कटऑफ के घटते पड़ोस में भी क्लस्टर बड़े होते हैं।

C. वेरिएंस अनुमान (Variance Estimation)

लेखक सशर्त वेरिएंस $se^2(h)$ के अनुमान को संबोधित करते हैं।

1. क्लस्टर्ड रिग्रेशन रेसिडुअल (CRR): वर्ग अवशेषों (squared residuals) का उपयोग करने वाला मानक दृष्टिकोण। लेखक सिद्ध करते हैं कि यह उन्हीं शर्तों के तहत सुसंगत है जो एसिम्प्टोटिक नॉर्मलिटी के लिए आवश्यक हैं। हालाँकि, i.i.d. सेटिंग्स की तरह ही, यह परिमित नमूनों में अत्यधिक रूढ़िवादी (ऊपर की ओर पक्षपाती) हो सकता है, विशेष रूप से जब सशर्त माध्य फलन $\mu(x)$ में उच्च वक्रता (curvature) हो।
2. नेइव क्लस्टर्ड नियर-नेबर्स (Naive CNN): i.i.d. निकटतम-पड़ोसी वेरिएंस अनुमानक का एक सीधा अनुकूलन। लेखक दिखाते हैं कि यह क्लस्टर्ड डेटा के लिए अमान्य है क्योंकि क्लस्टर संरचना पर ध्यान दिए बिना पड़ोसियों का चयन सहप्रसरण अनुमान में पूर्वाग्रह (bias) पेश करता है।
3. प्रस्तावित क्लस्टर्ड नियर-नेबर्स (CNN): क्लस्टर्ड RD के लिए विशेष रूप से डिज़ाइन किया गया एक नवीन वेरिएंस अनुमानक।
   • तंत्र (Mechanism): क्लस्टर $g$ में प्रत्येक अवलोकन $i$ के लिए, यह विधि दो "साथी" क्लस्टरों ($R^1_g, R^2_g$) के सेटों का चयन करती है, जो $g$ से और एक-दूसरे से अलग (disjoint) हैं। पड़ोसी इन साथी क्लस्टरों से चुने जाते हैं।
   • मुख्य नवाचार: यह सुनिश्चित करके कि पड़ोसी अलग-अलग क्लस्टरों से आते हैं, यह विधि सहप्रसरण पदों (covariance terms) के एक निष्पक्ष अनुमानक का निर्माण करने के लिए क्लस्टर-स्वतंत्रता का लाभ उठाती है, जिससे त्रुटि संरचना के बारेगत पैरामीट्रिक धारणाओं पर निर्भरता नहीं रहती।

3. मुख्य योगदान (Key Contributions)

1. एकीकृत एसिम्प्टोटिक थ्योरी: यह शोध पत्र एक सामान्य ढांचा प्रदान करता है जो मनमाने क्लस्टरिंग पैटर्न के तहत स्थानीय लीनियर RD अनुमानकों की एसिम्प्टोटिक नॉर्मलिटी को स्थापित करता है, जिसमें बढ़ते क्लस्टर आकार भी शामिल हैं। यह स्पष्ट करता है कि वेरिएंस की अभिसरण दर (convergence rate) बैंडविड्थ, क्लस्टर आकार और क्लस्टर-के-भीतर की निर्भरता के बीच के अंतर्संबंध पर कैसे निर्भर करती है।
2. नवीन वेरिएंस अनुमानक (CNN): लेखक एक क्लस्टर्ड नियर-नेबर्स (CNN) मानक त्रुटि का प्रस्ताव करते हैं और उसकी सुसंगतता को सिद्ध करते हैं। CRR के विपरीत, CNN अनुमानक को कम परिमित-नमूना पूर्वाग्रह (finite-sample bias) दिखाने के लिए डिज़ाइन किया गया है, विशेष रूप से जब रिग्रेशन फंक्शन की वक्रता पर्याप्त हो।
3. नैदानिक उपकरण (Diagnostic Tools): यह पत्र व्यावहारिक "रूल ऑफ थंब" (भार अनुपात $w_{max}$ और $w_{sum}$ पर आधारित) पेश करता है, जो अनुप्रयुक्त शोधकर्ताओं को यह निर्धारित करने में मदद करता है कि क्या उनका डेटा "स्मॉल क्लस्टर" फ्रेमवर्क (I/II) में आता है या उन्हें "लार्ज क्लस्टर" फ्रेमवर्क (III/IV) की आवश्यकता है।
4. अनुभवजन्य सत्यापन (Empirical Validation): लेखक चार अलग-अलग अनुभवजन्य RD अनुप्रयोगों (आपदा राहत, चुनाव, राजनीतिक भागीदारी और OSHA दंड को कवर करते हुए) का पुन: विश्लेषण करते हैं ताकि यह प्रदर्शित किया जा सके कि CNN अनुमानक विभिन्न क्लस्टरिंग संरचनाओं में मजबूती से प्रदर्शन करता है, और अक्सर CRR या नेइव विधियों की तुलना में वास्तविक सैंपलिंग परिवर्तनशीलता के करीब मानक त्रुटियां प्रदान करता है।

4. मुख्य परिणाम (Key Results)

• एसिम्प्टोटिक नॉर्मलिटी: उच्च-स्तरीय भार स्थितियों (Assumption 1) और मोमेंट स्थितियों (Assumption 2) के तहत, स्थानीय लीनियर RD अनुमानक एसिम्प्टोटिक रूप से सामान्य होता है:
  $$\frac{\hat{\tau}(h) - E[\hat{\tau}(h)|X_n]}{se(h)} \xrightarrow{d} N(0, 1)$$
• अभिसरण दरें (Convergence Rates): वेरिएंस $se^2(h)$ की अभिसरण दर आम तौर पर $(nh)^{-1}$ की i.i.d. दर से धीमी होती है। यह $\lambda_n$ से संबंधित एक पद पर निर्भर करती है जो वर्ग क्लस्टर आकारों के योग से संबंधित है। फ्रेमवर्क I/II में, दर $(nh)^{-1}$ है; फ्रेमवर्क III/IV में, यह क्लस्टर आकार की संरचना के कारण धीमी हो सकती है।
• CNN की सुसंगतता: प्रस्तावित CNN मानक त्रुटि सुसंगत है ($\hat{se}^2_{CNN} / se^2 \xrightarrow{p} 1$), बशर्ते कि निकटतम पड़ोसी पर्याप्त रूप से निकट हों (Assumption 6)।
• परिमित नमूना प्रदर्शन: सिमुलेशन और अनुभवजन्य अनुप्रयोगों में, CNN अनुमानक CRR के ऊपर की ओर पूर्वाग्रह (upward bias) को कम करता है। "नेइव CNN" को असंगत दिखाया गया है, जो अक्सर वेरिएंस का कम आकलन करता है जब रनिंग वेरिएबल्स क्लस्टरों के भीतर अत्यधिक सहसंबंधित होते हैं।

5. महत्व (Significance)

यह शोध पत्र RD डिज़ाइनों पर क्लस्टर्ड डेटा के संबंध में अर्थशास्त्र के साहित्य में एक महत्वपूर्ण अंतराल को भरता है। जबकि क्लस्टर-रोबस्ट अनुमान रैखिक रिग्रेशन में मानक है, नॉनपैरामीट्रिक लोकल पॉलीनोमियल RD अनुमानकों के लिए इसका अनुप्रयोग सैद्धांतिक रूप से अल्पविकसित था।

• सिद्धांतकारों के लिए: यह क्लस्टर्ड डेटा के लिए नॉनपैरामीट्रिक अनुमान के सिद्धांत का विस्तार करता है, यह दिखाते हुए कि लोकलाइजेशन (कटऑफ पर ध्यान केंद्रित करना) क्लस्टर आकारों के संबंध में अनूठी चुनौतियाँ पैदा करता है जो पूर्ण-नमूना अनुमानकों से भिन्न होती हैं।
• व्यवहारकर्ताओं के लिए: यह उनके क्लस्टर्ड मानक त्रुटियों का उपयोग करने के लिए एक कठोर औचित्य प्रदान करता है और इससे भी महत्वपूर्ण बात यह है कि यह एक बेहतर विकल्प (CNN) प्रदान करता है जो परिमित नमूनों में अनुमान की सटीकता में सुधार करता है। नैदानिक उपकरण शोधकर्ताओं को यह आकलन करने की अनुमति देते हैं कि क्या उनका विशिष्ट डेटा संरचना मानक एसिम्प्टोटिक सन्निकटन का समर्थन करती है या अधिक मजबूत वेरिएंस अनुमान तकनीकों की आवश्यकता है।

संक्षेप में, नोक, ओल्मा और रोथे क्लस्टर्ड RD डिज़ाइनों में अनुमान की समस्या के लिए एक व्यापक समाधान प्रदान करते हैं, जिससे यह सुनिश्चित होता है कि शोधकर्ता वैध कारण निष्कर्ष निकाल सकें, भले ही डेटा जटिल निर्भरता संरचनाएं प्रदर्शित करता हो।