📈 economics

Sensitivity Analysis for Instrumental Variables Under Joint Relaxations of Monotonicity and Independence

यह शोध पत्र मोनोटोनिसिटी (एकतलता) और स्वतंत्रता की मान्यताओं के संयुक्त उल्लंघन के प्रति लोकल एवरेज ट्रीटमेंट इफेक्ट्स (LATE) की संवेदनशीलता का आकलन करने के लिए एक ब्रेकडाउन फ्रंटियर दृष्टिकोण प्रस्तावित करता है, जो पहचाने गए सेटों (identified sets) और सुसंगत अनुमानकों (consistent estimators) को व्युत्पन्न करता है जो एंग्रिस्ट एवं इवांस (1998) के परिवार के आकार संबंधी निष्कर्षों की ऐसे उल्लंघनों के प्रति उच्च संवेदनशीलता को प्रकट करते हैं।

मूल लेखक: Pedro Picchetti

प्रकाशित 2026-03-27

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pedro Picchetti

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 रहस्य सुलझाने की कोशिश कर रहे एक जासूस हैं: क्या अधिक बच्चे होने से माँ का काम करना कम हो जाता है?

सांख्यिकी (statistics) की दुनिया में, आप लोगों से सीधे यह नहीं पूछ सकते कि "क्या आपके अधिक बच्चे हुए और फिर आपने नौकरी छोड़ दी?" क्योंकि यह बहुत उलझा हुआ मामला है। लोग कई कारणों से बच्चे पैदा करते हैं, और वे कई कारणों से नौकरियां चुनते हैं। एक साफ जवाब पाने के लिए, शोधकर्ता एक चतुर तकनीक का उपयोग करते हैं जिसे इंस्ट्रूमेंटल वेरिएबल (Instrumental Variable - IV) कहा जाता है।

IV को एक "प्राकृतिक लॉटरी" के रूप में सोचें। एक प्रसिद्ध अध्ययन में, शोधकर्ताओं ने पहले दो बच्चों के लिंग (sex) को इंस्ट्रूमेंट के रूप में इस्तेमाल किया। विचार यह था कि: "यदि किसी जोड़े के दो लड़के हैं, तो वे एक लड़का और एक लड़की होने की तुलना में तीसरे बच्चे के लिए अधिक इच्छुक हो सकते हैं।" यह लॉटरी (ज्यादातर) रैंडम है, इसलिए यह एक धक्के (nudge) की तरह काम करती है। यदि यह धक्का बच्चों की संख्या बदल देता है, और बच्चों की संख्या नौकरी की स्थिति को बदल देती है, तो हम कारण और प्रभाव (cause-and-effect) का पता लगा सकते हैं।

लेकिन यहाँ एक समस्या है: क्या होगा अगर "धक्का" (nudge) एकदम सही नहीं है?

मोनोटोनिसिटी (Monotonicity) की समस्या: क्या होगा अगर कुछ माता-पिता दो लड़कों से नफरत करते हैं और विशेष रूप से एक लड़की पाने के लिए तीसरा बच्चा पैदा करने का निर्णय लेते हैं? वे "डिफायर्स" (defiers) हैं जो चलन के विरुद्ध जाते हैं।
स्वतंत्रता (Independence) की समस्या: क्या होगा अगर "धक्का" (जैसे दो लड़के होना) गुप्त रूप से किसी और चीज़ से जुड़ा है, जैसे कि माता-पिता के जेनेटिक्स या उनकी आर्थिक स्थिरता, जो उनकी नौकरी को भी प्रभावित करती है?

यदि ये धारणाएं थोड़ी भी गलत हैं, तो जासूस का निष्कर्ष एक झूठ हो सकता है।

शोध पत्र का समाधान: द ब्रेकडाउन फ्रंटियर (The Breakdown Frontier)

पेड्रो पिचेटी (Pedro Picchetti), इस शोध पत्र के लेखक, ने एक नया उपकरण बनाया जिसे ब्रेकडाउन फ्रंटियर कहा जाता है।

कल्पना कीजिए कि आप एक पुल बना रहे हैं। आप जानते हैं कि पुल तब तक टिका रहेगा जब हवा शांत हो और सामग्री उत्तम हो। लेकिन क्या होगा अगर हवा तेज़ चलने लगे? क्या होगा अगर सामग्री थोड़ी कमजोर हो जाए?

अधिकांश अध्ययन बस कहते हैं, "पुल टिका हुआ है!" (यह मानते हुए कि स्थितियां एकदम सही हैं)।
यह शोध पत्र पूछता है: "हम कितनी हवा सहन कर सकते हैं इससे पहले कि पुल ढह जाए? सामग्री कितनी कमजोर हो सकती है इससे पहले कि हम अब पुल पर भरोसा न कर सकें?"

ब्रेकडाउन फ्रंटियर एक मानचित्र है जो आपको दिखाता है कि आपके पास कितनी "गुंजाइश" (wiggle room) है। यह आपको बताता है:

"यदि आप यह स्वीकार करने को तैयार हैं कि 1% लोग 'डिफायर्स' (चलन के विरुद्ध जाने वाले) हैं, तो आपका निष्कर्ष केवल तभी मान्य होगा यदि इंस्ट्रूमेंट और परिणाम के बीच का छिपा हुआ संबंध 0.5% से कम हो।"
"यदि आप 2% छिपे हुए संबंध को स्वीकार करने को तैयार हैं, तो आपके निष्कर्ष के सही होने के लिए आपको शून्य डिफायर्स मानने होंगे।"

यह रेत पर एक रेखा खींचता है। रेखा के एक तरफ, आपका निष्कर्ष (जैसे, "अधिक बच्चे = कम काम") सुरक्षित है। दूसरी ओर, निष्कर्ष बिखर जाता है।

"गोल्डिलॉक्स" ज़ोन (The Goldilocks Zone)

यह शोध पत्र दो "सेंसिटिविटी नॉब्स" (sensitivity knobs) का उपयोग करके पुल का परीक्षण करता है:

"डिफायर" नॉब: कितने लोग अपेक्षित रुझान के विरुद्ध जा रहे हैं?
"छिपा हुआ लिंक" नॉब: इंस्ट्रूमेंट और परिणाम के बीच गुप्त संबंध कितना मजबूत है?

ब्रेकडाउन फ्रंटियर वह वक्र (curve) है जो इन दोनों नॉब्स को जोड़ता है। यह ट्रेड-ऑफ (समझौता) दिखाता है। आप एक नॉब को थोड़ा घुमा सकते हैं, लेकिन यदि आप ऐसा करते हैं, तो आपको अपना निष्कर्ष वैध रखने के लिए दूसरे को शून्य तक नीचे लाना होगा।

वास्तविक दुनिया का परीक्षण: परिवार के आकार का अध्ययन

लेखक ने इस नए उपकरण का परीक्षण परिवार के आकार और बेरोजगारी (Angrist & Evans, 1998) के प्रसिद्ध अध्ययन पर किया।

पुराना दृष्टिकोण: मूल अध्ययन ने कहा, "हाँ, अधिक बच्चे होने से महिलाएँ कम काम करती हैं।" उन्होंने माना कि "दो लड़के" वाला इंस्ट्रूमेंट एकदम सही है।
नया दृष्टिकोण (ब्रेकडाउन फ्रंटियर का उपयोग करते हुए): लेखक ने गणना की और पाया कि पुल वास्तव में बहुत नाजुक है।
- "डिफायर्स" (वे माता-पिता जिन्होंने विशेष रूप से लड़कों और लड़कियों का मिश्रण चाहा था) की थोड़ी सी मात्रा या एक छोटा सा छिपा हुआ लिंक (जेनेटिक्स जो प्रजनन क्षमता और नौकरियों दोनों को प्रभावित करता है) ही निष्कर्ष को ध्वस्त करने के लिए पर्याप्त था।
- "सेफ ज़ोन" (सुरक्षित क्षेत्र) इतना छोटा था कि मूल निष्कर्ष अत्यधिक संवेदनशील (highly sensitive) है। यह ऐसा है जैसे कहना, "पुल टिका हुआ है, लेकिन केवल तभी जब हवा पूरी तरह से स्थिर हो और सामग्री बिल्कुल नई हो।" वास्तविक दुनिया में, ऐसा शायद ही कभी होता है।

यह क्यों मायने रखता है

यह शोध पत्र वैज्ञानिक अध्ययनों के लिए एक स्ट्रेस टेस्ट (stress test) की तरह है।

केवल इसलिए किसी परिणाम को स्वीकार करने के बजाय कि गणित ठीक दिखता है, यह विधि शोधकर्ताओं को यह कहने के लिए मजबूर करती है: "मेरा परिणाम केवल तभी सत्य है जब दुनिया इतनी आदर्श हो। यदि दुनिया थोड़ी भी कम आदर्श है, तो मेरा परिणाम गायब हो जाएगा।"

यह यह नहीं बताता कि आपका उत्तर गलत है; यह बताता है कि आपको अपने निष्कर्ष के सही होने के लिए अपनी धारणाओं पर कितना विश्वास करना होगा। यह एक "हाँ/नहीं" वाले उत्तर को "आपका विश्वास कितना मजबूत है?" वाले उत्तर में बदल देता है, जिससे विज्ञान अधिक ईमानदार और पारदर्शी बनता है।

यहाँ पेड्रो पिचेटी के शोध पत्र "Sensitivity Analysis for Instrumental Variables Under Joint Relaxations of Monotonicity and Independence" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या का विवरण (Problem Statement)

इंस्ट्रुमेंटल वेरिएबल (IV) विधियाँ सामाजिक विज्ञानों में कारण अनुमान (causal inference) का एक आधार स्तंभ हैं, जो सख्त पहचान संबंधी मान्यताओं पर निर्भर करती हैं: स्वतंत्रता (Independence) (इंस्ट्रुमेंट अनऑब्जर्वबल्स के साथ असंबद्ध है) और मोनोटोनिसिटी (Monotonicity) (इंस्ट्रुमेंट सभी व्यक्तियों के लिए उपचार लेने की दिशा में समान प्रभाव डालता है, जिसका अर्थ है कि कोई 'डिफायर' नहीं है)।

व्यवहार में, ये मान्यताएँ अक्सर अपुष्ट होती हैं। हालिया साहित्य में IV परिणामों के प्रति संदेह बढ़ रहा है जब इन मान्यताओं का उल्लंघन होता है। जबकि स्वतंत्रता (जैसे $c$ -dependence का उपयोग करके) या मोनोटोनिसिटी (जैसे डिफायर्स की अनुमति देकर) के उल्लंघन के लिए अलग-अलग संवेदनशीलता विश्लेषण मौजूद हैं, ऐसे फ्रेमवर्क की कमी है जो दोनों मान्यताओं के एक साथ उल्लंघन होने पर IV अनुमानों की संयुक्त संवेदनशीलता (joint sensitivity) का आकलन कर सके। इसके अलावा, जब ये मान्यताएँ विफल होती हैं, तो लोकल एवरेज ट्रीटमेंट इफेक्ट (LATE) अब पॉइंट-आइडेंटिफाइड नहीं रहता है, और अतिरिक्त संरचना के बिना एवरेज ट्रीटमेंट इफेक्ट (ATE) को बाउंड करना कठिन हो जाता है।

यह शोध पत्र स्वतंत्रता और मोनोटोनिसिटी दोनों के एक साथ उल्लंघन के तहत IV निष्कर्षों (विशेष रूप से LATE और ATE के संबंध में) की मजबूती को मापने के लिए एक ब्रेकडाउन फ्रंटियर (breakdown frontier) दृष्टिकोण विकसित करके इस अंतराल को संबोधित करता है।

2. कार्यप्रणाली (Methodology)

2.1 ढांचा और मान्यताएँ (Framework and Assumptions)

लेखक एक मानक IV सेटिंग पर विचार करता है जिसमें एक बाइनरी इंस्ट्रुमेंट $Z$ , एक बाइनरी ट्रीटमेंट $D$ , और कोवेरिएट्स $X$ के सापेक्ष एक बाइनरी आउटकम $Y$ है। विश्लेषण निम्नलिखित तरीकों से मानक मान्यताओं को शिथिल करता है:

शिथिल स्वतंत्रता ( $c$ -dependence): इंस्ट्रुमेंट $Y$ और $D$ के संभावित परिणामों के साथ पूरी तरह स्वतंत्र नहीं है। इसके बजाय, यह $c$ -dependence (Masten & Poirier, 2018) का पालन करता है। यह अनऑब्जर्वबल्स दिए जाने पर असाइनमेंट की सशर्त संभावना और प्रेक्षित प्रोपेंसिटी स्कोर के बीच के अंतर को एक स्केलर $c \in [0, 1]$ द्वारा सीमित करता है।
$\sup |P(Z=1|Y, D, X) - P(Z=1|X)| \leq c$
शिथिल मोनोटोनिसिटी (Relaxed Monotonicity): लेखक डिफायर्स (defiers) (वे व्यक्ति जो अपने असाइनमेंट के विपरीत कार्य करते हैं) के अस्तित्व की अनुमति देता है। हालाँकि, एक महत्वपूर्ण प्रतिबंध बनाए रखा गया है: डिफायर्स का हिस्सा ( $\pi_{def}$ ) कॉम्प्लायर्स के हिस्से ( $\pi_{co}$ ) से सख्ती से छोटा होना चाहिए। यह सुनिश्चित करता है कि फर्स्ट-स्टेज प्रभाव सकारात्मक बना रहे।

2.2 आंशिक पहचान रणनीति (Partial Identification Strategy)

शोध पत्र एक चरणबद्ध आंशिक पहचान दृष्टिकोण का पालन करता है:

संभावित मात्राओं पर बाउंड्स (Bounds on Potential Quantities): $c$ -dependence का उपयोग करते हुए, लेखक संभावित उपचारों और परिणामों के संयुक्त वितरण, $P(Y(z), D(z) | X)$ के लिए शार्प आइडेंटिफाइड सेट्स (बाउंड्स) प्राप्त करता है।
ITT और LATE पर बाउंड्स:
- इंटेंशन-टू-ट्रीट (ITT) प्रभाव को $c$ और $\pi_{def}$ के फलन के रूप में बाउंड किया जाता है।
- कॉम्प्लायर्स के लिए LATE को कॉम्प्लायर्स के हिस्से के बाउंड्स को ITT के बाउंड्स से विभाजित करके प्राप्त किया जाता है।
- ATE को भी बाउंड किया जाता है, जो $c=0$ और $\pi_{def}=0$ होने पर मौजूदा साहित्य (Balke & Pearl, 1997; Chen et al., 2017) से जुड़ता है।
ब्रेकडाउन फ्रंटियर (Breakdown Frontier): मुख्य योगदान ब्रेकडाउन फ्रंटियर की परिभाषा है। एक विशिष्ट निष्कर्ष (जैसे, "LATE > 0") के लिए, फ्रंटियर $(c, \pi_{def})$ के जोड़ों का वह सेट है जहाँ निष्कर्ष वैध रहता है। यह "रोबस्ट रीजन" (जहाँ निष्कर्ष मान्य है) को "नॉन-रोबस्ट रीजन" से अलग करता है।

2.3 अनुमान और निष्कर्ष (Estimation and Inference)

अनुमानक (Estimators): लेखक बाउंड्स और ब्रेकडाउन फ्रंटियर के लिए नॉनपैरामेट्रिक सैंपल एनालॉग अनुमानक प्रस्तावित करता है।
एसिम्प्टोटिक्स (Asymptotics): क्योंकि बाउंड्स $\min$ और $\max$ ऑपरेटरों को शामिल करते हैं, अनुमानक हैडामार्ड डायरेक्शनली डिफरेंशिएबल (Hadamard directionally differentiable) हैं लेकिन पूरी तरह से डिफरेंशिएबल नहीं हैं। मानक बूटस्ट्रैप विधियाँ यहाँ विफल हो जाती हैं।
निष्कर्ष प्रक्रिया (Inference Procedure): शोध पत्र दिशात्मक रूप से डिफरेंशिएबल कार्यों के लिए बूटस्ट्रैप फ्रेमवर्क (Fang & Santos, 2018) के साथ मिलकर न्यूमेरिकल डेल्टा मेथड (Hong & Li, 2018) का उपयोग करता है। यह ब्रेकडाउन फ्रंटियर्स के लिए वैध यूनिफॉर्म कॉन्फिडेंस बैंड्स के निर्माण की अनुमति देता है।

3. प्रमुख योगदान (Key Contributions)

संयुक्त संवेदनशीलता विश्लेषण (Joint Sensitivity Analysis): पिछले कार्यों के विपरीत जो स्वतंत्रता या मोनोटोनिसिटी को अलग-अलग शिथिल करते हैं, यह शोध पत्र दोनों मान्यताओं के एक साथ उल्लंघन के बीच ट्रेड-ऑफ का विश्लेषण करने के लिए एक एकीकृत ढांचा प्रदान करता है।
LATE और ATE के लिए ब्रेकडाउन फ्रंटियर: यह नॉन-कंप्लायंस और बाइनरी आउटकम वाले IV सेटिंग्स के लिए ब्रेकडाउन फ्रंटियर पद्धति (Horowitz & Manski, 1995; Masten & Poirier, 2020) का विस्तार करता है, जिसमें LATE और ATE दोनों शामिल हैं।
एकीकृत मीट्रिक (Unified Metric): एक महत्वपूर्ण विशेषता यह है कि दोनों संवेदनशीलता पैरामीटर ( $c$ और $\pi_{def}$ ) एक ही इकाइयों (प्रोबेबिलिटी यूनिट्स) में मापे जाते हैं, जिससे ट्रेड-ऑफ कर्व की व्याख्या सहज हो जाती है।
नॉन-स्मूथ फंक्शनल्स के लिए वैध निष्कर्ष: शोध पत्र ब्रेकडाउन फ्रंटियर्स के लिए कॉन्फिडेंस बैंड्स बनाने के लिए एक कठोर एसिम्प्टोटिक थ्योरी और सुसंगत बूटस्ट्रैप प्रक्रिया प्रदान करता है, जो बाउंड्स की नॉन-स्मूथनेस के कारण होने वाले नॉन-गौसियन लिमिटिंग डिस्ट्रीब्यूशन की समस्या को हल करता है।

4. परिणाम (Results)

4.1 सैद्धांतिक परिणाम (Theoretical Results)

शार्प बाउंड्स: शोध पत्र $c$ और $\pi_{def}$ के परिमाण के संबंध में विशिष्ट स्थितियों के तहत ITT, LATE और ATE के लिए शार्प आइडेंटिफाइड सेट्स प्राप्त करता है। बाउंड्स को डेटा के सपोर्ट और $c$ तथा $\pi_{def}$ के परिमाण के संबंध में शार्प दिखाया गया है।
विश्लेषणात्मक अभिव्यक्तियाँ: ब्रेकडाउन फ्रंटियर्स के लिए स्पष्ट सूत्र प्रदान किए गए हैं, जो यह दिखाते हैं कि एक मान्यता के उल्लंघन का अधिकतम स्तर दूसरी मान्यता के उल्लंघन के स्तर पर कैसे निर्भर करता है।

4.2 मोंटे कार्लो सिमुलेशन (Monte Carlo Simulations)

सिमुलेशन दर्शाते हैं कि प्रस्तावित अनुमानकों में वांछित फाइनाइट-सैंपल गुण होते हैं।
ब्रेकडाउन फ्रंटियर अनुमानक का सैंपलिंग डिस्ट्रीब्यूशन वास्तविक फ्रंटियर के आसपास सममित पाया गया (वितरण संबंधी प्रभावों के पिछले कुछ निष्कर्षों के विपरीत)।
बूटस्ट्रैप कॉन्फिडेंस बैंड्स नाममात्र कवरेज दरों को प्राप्त करते हैं।

4.3 एम्पेरिकल एप्लीकेशन: एंग्रिस्ट और इवांस (1998)

इस पद्धति को महिला श्रम आपूर्ति पर परिवार के आकार के प्रभाव का अध्ययन करने वाले क्लासिक अध्ययन पर लागू किया गया है, जिसमें समान-लिंग के भाई-बहनों को एक इंस्ट्रुमेंट के रूप में उपयोग किया गया है।

कैलिब्रेशन: लेखक बाहरी डेटा का उपयोग करके संवेदनशीलता मापदंडों को कैलिब्रेट करता है:
- $c$ को ऑब्जर्वेबल्स पर चयन (Altonji et al., 2008 दृष्टिकोण) का उपयोग करके कैलिब्रेट किया गया है, जिससे $c \approx 0.011$ का बेसलाइन उल्लंघन प्राप्त हुआ।
- $\pi_{def}$ को आदर्श पारिवारिक संरचना पर सर्वेक्षण डेटा (de Chaisemartin, 2017) का उपयोग करके कैलिब्रेट किया गया है, जिससे $\pi_{def} \approx 0.018$ का बेसलाइन उल्लंघन प्राप्त हुआ।
निष्कर्ष: अनुमानित ब्रेकडाउन फ्रंटियर दिखाता है कि निष्कर्ष "परिवार का आकार महिला रोजगार को कम करता है" (LATE < 0) मान्यताओं के बहुत छोटे उल्लंघन के तहत भी विफल हो जाता है।
- यदि स्वतंत्रता बनी रहती है ( $c=0$ ), तो निष्कर्ष केवल तभी मान्य रहता है जब डिफायर्स का हिस्सा $< 0.008$ (कैलिब्रेटेड 0.018 से कम) हो।
- यदि मोनोटोनिसिटी बनी रहती ( $\pi_{def}=0$ ), तो निष्कर्ष केवल तभी मान्य रहता है जब अनऑब्जर्व्ड सिलेक्शन बायस $< 0.004$ (कैलिब्रेटेड 0.011 से कम) हो।
निष्कर्ष: एंग्रिस्ट और इवांस (1998) के गुणात्मक निष्कर्ष स्वतंत्रता और मोनोटोनिसिटी के संयुक्त उल्लंघन के प्रति अत्यधिक संवेदनशील हैं।

5. महत्व (Significance)

यह शोध पत्र लागू शोधकर्ताओं को IV विश्लेषण में "पॉइंट एस्टीमेट्स" से आगे बढ़ने के लिए एक मजबूत टूलकिट प्रदान करता है। ब्रेकडाउन फ्रंटियर को विज़ुअलाइज़ करके, शोधकर्ता स्पष्ट रूप से कह सकते हैं: "मेरा निष्कर्ष केवल तभी मान्य है जब अनऑब्जर्व्ड सिलेक्शन बायस $X$ से छोटा हो और डिफायर्स का हिस्सा $Y$ से छोटा हो।"

एंग्रिस्ट और इवांस (1998) पर इसका अनुप्रयोग विशेष रूप से महत्वपूर्ण है क्योंकि यह अर्थशास्त्र के सबसे चर्चित IV अध्ययनों में से एक की मजबूती को चुनौती देता है, यह सुझाव देते हुए कि इसके निष्कर्ष अत्यधिक नाजुक हैं जब मानक मान्यताओं को थोड़ा भी शिथिल किया जाता है। इस संदर्भ में नॉन-स्मूथ फंक्शनल्स के लिए वैध निष्कर्ष प्रदान करने का पद्धतिगत योगदान, कारण अनुमान (causal inference) में संवेदनशीलता विश्लेषण के लिए एक नया मानक स्थापित करता है।