Transporting treatment effects by calibrating large-scale observational outcomes

तकनीकी सारांश: बड़े पैमाने के अवलोकन संबंधी परिणामों को कैलिब्रेट करके उपचार प्रभावों का परिवहन करना

समस्या विवरण
यह शोध पत्र एक छोटे, उच्च-गुणवत्ता वाले प्रयोगात्मक डेटासेट (रैंडमाइज्ड कंट्रोल्ड ट्रायल, या RCT) से एक बड़े, लक्षित अवलोकन संबंधी डेटासेट (observational dataset) तक उपचार प्रभाव अनुमानों (treatment effect estimates) को स्थानांतरित करने की चुनौती को संबोधित करता है। यह सेटिंग तब सामान्य होती है जब विशिष्ट लक्षित जनसंख्या पर प्रयोग करना महंगा या अव्यवहार्य होता है, जिससे सहायक अवलोकन संबंधी डेटा का उपयोग करने की आवश्यकता होती है।

मानक कारणपरक परिवहन विधियाँ (causal transportation methods) दो पहचान योग्य धारणाओं पर निर्भर करती हैं: मीन एक्सचेंजेबिलिटी (कोवेरियेट्स के आधार पर संभावित परिणामों के माध्य समान होते हैं) और पॉज़िटिविटी (लक्ष्य जनसंख्या में कोवेरियेट वितरण का सपोर्ट, प्रयोगात्मक जनसंख्या के भीतर होता है)। शोध पत्र इस बात पर प्रकाश डालता है कि जब प्रयोगात्मक डेटासेट कोवेरियेट आयाम (dimension) के सापेक्ष छोटा होता है (जिसे "कर्स ऑफ डायमेंशनलिटी" कहा जाता है), तो पॉज़िटिविटी का उल्लंघन होने की संभावना होती है। जब पॉज़िटिविटी विफल हो जाती है, तो मानक ट्रांसपोर्टेड एवरेज ट्रीटमेंट इफेक्ट (ATE), उन कोवेरियेट क्षेत्रों के लिए परिभाषित नहीं होता है जो अवलोकन संबंधी डेटा में मौजूद हैं लेकिन प्रयोगात्मक डेटा में अनुपस्थित हैं। इसके अलावा, मौजूदा विधियाँ जो पॉज़िटिविटी उल्लंघन को संभालने का प्रयास करती हैं (जैसे कि ट्रिमिंग या डाउनवेटिंग), अक्सर अनुमानित मान (estimand) को इस तरह से बदल देती हैं जो वैज्ञानिक लक्ष्यों के अनुरूप नहीं होता या अस्थिरता पैदा करता है।

कार्यप्रणाली (Methodology)
लेखक एक सरल, दो-चरणीय अनुमान और निष्कर्ष प्रक्रिया प्रस्तावित करते हैं जो इनवर्स प्रोपेंसिटी वेटिंग (inverse propensity weighting) से बचती है और तब भी वैध रहती है जब पॉज़िटिविटी मौजूद न हो।

1. साधारण लीस्ट स्क्वायर्स (OLS) के माध्यम से अंशांकन (Calibration):

   • विधि यह मानती है कि अवलोकन संबंधी डेटासेट में एक "ट्रीटमेंट-कंट्रोल कॉन्ट्रास्ट" ($\Delta(X)$) होता है, जिसे अवलोकन संबंधी डेटा में उपचारित (treated) और नियंत्रण (control) इकाइयों के बीच सशर्त माध्य परिणामों के अंतर के रूप में परिभाषित किया गया है ($\Delta(x) = E_{obs}[Y|X=x, Z=1] - E_{obs}[Y|X=x, Z=0]$)।
   • लेखक तर्क देते हैं कि प्रयोगात्मक डेटा से वास्तविक कंडीशनल एवरेज ट्रीटमेंट इफेक्ट (CATE), $\mu(X)$, इस अवलोकन संबंधी कॉन्ट्रास्ट के एक रैखिक रूपांतरण (linear transformation) द्वारा अनुमानित किया जा सकता है। विशेष रूप से, वे एक फलन वर्ग (function class) $\mathcal{F}$ को एक बेसिस एक्सपेंशन $\psi(\Delta(X))$ के रैखिक रूपांतरणों के रूप में परिभाषित करते हैं।
   • वे गुणांकों $\bar{\beta}$ का अनुमान प्रयोगात्मक परिणामों $D_i$ (उपचार प्रभाव) को $\psi(\hat{\Delta}(X_i))$ पर रिग्रेस करके लगाते हैं, जहाँ $\hat{\Delta}$ को अवलोकन संबंधी डेटा से अनुमानित किया जाता है, जिसमें संभावित रूप से लचीले मशीन लर्निंग मेथड्स (जैसे कि कॉज़ल फॉरेस्ट्स) का उपयोग किया जाता है।
   • परिणामी एस्टीमेटर $\bar{\mu}(x) = \hat{\bar{\beta}}^\top \psi(\hat{\Delta}(x))$ CATE के एक कैलिब्रेटेड अनुमान के रूप में कार्य करता है।

2. एकत्रीकरण (Aggregation):

   • अंतिम एस्टीमेटर $\hat{\bar{\tau}}$, बड़े अवलोकन संबंधी डेटासेट में कोवेरियेट्स पर इन कैलिब्रेटेड CATE अनुमानों का नमूना औसत (sample average) है।
   • वैध निष्कर्ष सुनिश्चित करने और ओवरफिटिंग से बचने के लिए, लेखक क्रॉस-फिटिंग (cross-fitting) का उपयोग करते हैं: अवलोकन संबंधी डेटा को फोल्ड्स में विभाजित किया जाता है; $\hat{\Delta}$ का अनुमान आउट-ऑफ-फोल्ड डेटा पर लगाया जाता है, और कैलिब्रेशन रिग्रेशन प्रयोगात्मक डेटा पर किया जाता है।

3. निष्कर्ष (Inference):

   • शोध पत्र एक एसिम्प्टोटिक वेरिएन्स एस्टीमेटर (asymptotic variance estimator) व्युत्पन्न करता है जो कैलिब्रेशन त्रुटि (OLS चरण से) को ध्यान में रखता है। उस शासन (regime) के तहत जहाँ अवलोकन संबंधी नमूना आकार $N$, प्रयोगात्मक नमूना आकार $n$ की तुलना में पर्याप्त तेजी से बढ़ता है ($N \gg n$), वेरिएन्स कैलिब्रेशन त्रुटि द्वारा हावी होता है, जिससे प्रोपेंसिटी स्कोर का अनुमान लगाए बिना भी एसिम्प्टोटिक रूप से वैध कॉन्फिडेंस इंटरवल संभव हो पाते हैं।

प्रमुख योगदान

• वैकल्पिक एस्टीमेंड ($\bar{\tau}$): यह शोध पत्र एक नया एस्टीमेंड $\bar{\tau} = E_{obs}[\bar{\mu}(X)]$ पेश करता है, जो निर्दिष्ट फलन वर्ग $\mathcal{F}$ के भीतर वास्तविक CATE के सर्वश्रेष्ठ मीन-स्क्वायर एप्रोक्सिमेशन का औसत है, जिसे अवलोकन संबंधी कोवेरियेट वितरण द्वारा भारित (weighted) किया गया है।
  • महत्वपूर्ण रूप से, $\bar{\tau}$ बिना पॉज़िटिविटी के भी पहचान योग्य (identified) रहता है। यदि कैलिब्रेशन मॉडल सही ढंग से निर्दिष्ट है (अर्थात $\mu \in \mathcal{F}$), तो $\bar{\tau}$ मानक ट्रांसपोर्टेड ATE के बराबर होता है। यदि गलत तरीके से निर्दिष्ट है, तो यह एक प्रोजेक्शन एस्टीमेंड की ओर अभिसरित होता है, जिसे 'वेटेड एवरेज ट्रीटमेंट इफेक्ट' के रूप में व्याख्यायित किया जा सकता है।
• पॉज़िटिविटी उल्लंघन के प्रति मजबूती: मौजूदा विधियों (जैसे AIPSW, सहयोगी एस्टीमेटर) के विपरीत, जो प्रोपेंसिटी स्कोर पर निर्भर करती हैं और पॉज़िटिविटी के उल्लंघन होने पर विफल या अस्थिर हो जाती हैं, प्रस्तावित विधि को इनवर्स प्रोपेंसिटी वेट का अनुमान लगाने की आवश्यकता नहीं है। यह तब भी स्थिर रहती है जब प्रयोगात्मक और अवलोकन संबंधी कोवेरियेट सपोर्ट आपस में ओवरलैप नहीं होते हैं।
• सेमी-पैरामेट्रिक एफिशिएंसी: लेखक स्थापित करते हैं कि एक "नेस्टेड ट्रायल" ढांचे के तहत जहाँ प्रयोगात्मक और अवलोकन संबंधी नमूना आकारों का अनुपात लुप्त होता है ($n/N \to 0$), उनका एस्टीमेटर प्रोजेक्शन एस्टीमेंड $\bar{\tau}$ के लिए सेमी-पैरामेट्रिक एफिशिएंसी बाउंड प्राप्त करता है। यह बाउंड तब भी परिमित (finite) रहता है जब मानक ट्रांसपोर्टेड ATE के लिए एफिशिएंसी बाउंड पॉज़िटिविटी उल्लंघन के कारण अनंत हो जाता है।
• सरलता और व्यावहारिकता: यह विधि मानक OLS और लचीले CATE लर्नर्स पर निर्भर करती है, जो जटिल वेटिंग स्कीमों और उच्च-आयामी प्रोपेंसिटी स्कोर अनुमान से जुड़ी स्थिरता की समस्याओं से बचती है।

परिणाम

शोध पत्र संख्यात्मक सिमुलेशन और एक वास्तविक दुनिया के डेटा उदाहरण के माध्यम से कार्यप्रणाली को मान्य करता है:

1. यूनिवेरिएट सिमुलेशन: कोवेरियेट शिफ्ट (लेकिन कोई सख्त पॉज़िटिविटी उल्लंघन नहीं) वाली सेटिंग्स में, प्रस्तावित एस्टीमेटर ($\hat{\bar{\tau}}$) ने जैसे-जैसे कोवेरियेट शिफ्ट बढ़ा, AIPSW और सहयोगी एस्टीमेटर की तुलना में कम मीन स्क्वेर्ड एरर (MSE) और अधिक स्थिर कॉन्फिडेंस इंटरवल कवरेज (लगभग 92-93%) दिखाया। प्रतिस्पर्धी एस्टीमेटरों ने महत्वपूर्ण बायस और कवरेज में गिरावट प्रदर्शित की।
2. मल्टीवेरिएट सिमुलेशन: उच्च-आयामी सेटिंग्स ($d=10$) में, प्रस्तावित विधि ने सबसे कम MSE और विश्वसनीय कवरेज बनाए रखा। इसके विपरीत, AIPSW एस्टीमेटर ने उच्च वेरिएन्स और खराब कवरेज दिखाया, विशेष रूप से जब अवलोकन संबंधी कोवेरियेट वितरण में उच्च वेरिएन्स था (जिसने पॉज़िटिविटी उल्लंघन को और बढ़ा दिया)।
3. क्रॉप रोटेशन केस स्टडी: क्लुगर एट अल. (2022) के मक्का उपज (maize yields) के डेटा का उपयोग करते हुए, लेखकों ने 611 फील्ड प्रयोगों को 1.31 मिलियन उपग्रह-आधारित उपज अनुमानों के साथ जोड़ा।
   • प्रयोगात्मक डेटा में स्थानिक कवरेज की कमी थी (जैसे इंडियाना और मिशिगन जैसे पूरे राज्य गायब थे), जिससे गंभीर पॉज़िटिविटी उल्लंघन हुआ।
   • AIPSW एस्टीमेटर अत्यंत अस्थिर था, जिसके अनुमान सिमुलेशन के दौरान कई ऑर्डर्स ऑफ मैग्नीट्यूड तक फैले हुए थे।
   • सहयोगी एस्टीमेटर अधिक स्थिर था लेकिन फिर भी प्रस्तावित विधि की तुलना में उच्च वेरिएन्स प्रदर्शित कर रहा था।
   • प्रस्तावित एस्टीमेटर ($\hat{\bar{\tau}}$) ने सबसे कम वेरिएन्स और उच्चतम स्थिरता प्रदर्शित की, जिसमें इसके कॉन्फिडेंस इंटरवल के लिए 96% एम्पिरिकल कवरेज दर देखी गई।

महत्व और दावे

शोध पत्र दावा करता है कि इसकी कार्यप्रणाली "छोटे प्रयोग, बड़े अवलोकन" के सामान्य शासन में उपचार प्रभावों को स्थानांतरित करने के लिए एक सैद्धांतिक रूप से निर्देशित और अनुभवजन्य रूप से मजबूत समाधान प्रदान करती है।

• सैद्धांतिक वैधता: लेखक प्रदर्शित करते हैं कि उनका एस्टीमेटर एक अच्छी तरह से परिभाषित एस्टीमेंड ($\bar{\tau}$) के लिए सुसंगत (consistent) है, भले ही मानक ट्रांसपोर्टेड ATE अज्ञात हो। वे सिद्ध करते हैं कि उनका एस्टीमेटर बड़े अवलोकन संबंधी डेटा के सापेक्ष प्रयोगात्मक डेटा के बड़े होने पर सेमी-पैरामetric एफिशिएंसी प्राप्त करता है।
• व्यावहारिक उपयोगिता: यह विधि जटिल वेटिंग स्कीमों के लिए एक "नाइव" (naive) लेकिन प्रभावी विकल्प प्रदान करती है। इनवर्स प्रोपेंसिटी वेटिंग से बचकर, यह पॉज़िटिविटी उल्लंघन से होने वाली अस्थिरता को दूर करती है, जिससे यह उन वास्तविक अनुप्रयोगों के लिए विशेष रूप से उपयुक्त हो जाती है जहाँ प्रयोगात्मक डेटा सीमित और स्थानिक या जनसांख्यिकीय रूप से विरल (sparse) है।
• व्याख्यात्मकता (Interpretability): भले ही कैलिब्रेशन मॉडल गलत तरीके से निर्दिष्ट हो, परिणामी एस्टीमेंड एक वेटेड एवरेज ट्रीटमेंट इफेक्ट के रूप में व्याख्या योग्य बना रहता है, जैसा कि एकल अवलोकन संबंधी अध्ययनों में पॉज़िविटी उल्लंघन के तहत ATE अनुमान के साहित्य में देखा जाता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि उनकी विधि i.i.d. अवलोकनों को मानती है (जो स्थानिक/कालीक (temporal) डेटा जैसे क्रॉप रोटेशन उदाहरण के लिए एक सरलीकरण हो सकता है), यह पॉज़िटिविटी उल्लंघन के तहत उपचार प्रभावों को स्थानांतरित करने के मौजूदा प्रस्तावों की तुलना में परिशुद्धता और स्थिरता में महत्वपूर्ण सुधार प्रदान करती है।