Weighting a Census as a Non-Probability Sample: A Doubly Robust Framework for Correcting Differential Undercoverage in Uruguay's 2023 Census
यह शोध पत्र एक दोहरी सुदृढ़ (doubly robust) वेटिंग फ्रेमवर्क का प्रस्ताव करता है जो उरुग्वे की 2023 की जनगणना में गैर-यादृच्छिक अल्प-कवरेज (non-random undercoverage) को सुधारने के लिए जनसांख्यिकीय अंशांकन (demographic calibration) के साथ प्रतिक्रिया-प्रोपेंसिटी मॉडलिंग (response-propensity modeling) को जोड़ता है, जिससे उपलब्ध प्रशासनिक अभिलेखों की सीमाओं के बावजूद निष्पक्ष जनसंख्या अनुमान और सामाजिक संकेतक प्राप्त होते हैं।
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 2023 की उरुग्वे की जनगणना पूरे देश की जनसंख्या का एक विशाल फोटो खींचने का एक प्रयास है। आदर्श रूप से, इस फोटो में हर कोई शामिल होना चाहिए, जो यह पूरी तरह से कैद कर सके कि वे कौन हैं, कहाँ रहते हैं और उनका जीवन कैसा है।
हालाँकि, फोटो के कुछ हिस्से धुंधले आए। लगभग 10% लोग तस्वीर में गायब थे। इससे भी बुरा यह था कि वे गायब नहीं थे, बल्कि कैमरा उन लोगों को चूक गया जो सबसे अधिक संघर्ष कर रहे थे—गरीब, ग्रामीण निवासी और युवा वयस्क। यदि आप केवल उन लोगों को गिनते जो फोटो में थे, तो आप सोचेंगे कि देश अधिक समृद्ध, वृद्ध और शहरी था।
उरुग्वे के राष्ट्रीय सांख्यिकी संस्थान (INE) के सांख्यिकीविदों को इस "धुंधली फोटो" को ठीक करना था, बिना दोबारा फोटो लिए। उन्होंने इसे कैसे किया, इसके लिए उन्होंने एक विधि का उपयोग किया जिसे वे डबली रोबस्ट वेटिंग (Doubly Robust Weighting) कहते हैं।
समस्या: केवल "लोगों को जोड़ने" से काम क्यों नहीं चला
सबसे पहले, सरकार ने उनके "डिजिटल पदचिह्नों" (administrative records)—जैसे टैक्स फाइलें, स्वास्थ्य रिकॉर्ड और उपयोगिता बिलों—को देखकर गायब संख्या को ठीक करने की कोशिश की। उन्होंने इस तरह लगभग 3,5{0,000} गायब लोग पाए।
इसे एक पहेली (puzzle) को दूसरे बॉक्स में बिखरे हुए टुकड़ों को ढूंढकर ठीक करने जैसा समझें। हालांकि उन्हें गायब लोगों की संख्या मिल गई थी, लेकिन ये टुकड़े अधूरे थे। डिजिटल रिकॉर्ड ने उन्हें गायब लोगों के नाम, आयु और सामान्य स्थान तो बता दिए, लेकिन उन्हें यह नहीं पता था कि उन लोगों के पास सिर पर छत थी या नहीं, उनके कितने बच्चे थे, या क्या वे एक भीड़भाड़ वाले अपार्टमेंट में रह रहे थे।
यदि वे इन अधूरे टुकड़ों को बस पहेली में चिपका देते, तो चित्र अभी भी विकृत होता। उन्हें उन विवरणों का अनुमान लगाने के लिए एक तरीके की आवश्यकता थी जो उन लोगों पर आधारित हों जो सफलतापूर्वक फोटो में कैद हो पाए थे।
समाधान: "डबली रोबस्ट" सुरक्षा जाल
शोधकर्ताओं ने सफलतापूर्वक फोटो खींचे गए घरों को एक "गैर-संभाव्यता नमूना" (non-probability sample) माना। सरल शब्दों में, इसका अर्थ है कि उन्होंने स्वीकार किया: "हमने इन लोगों को यादृच्छिक (randomly) रूप से नहीं चुना; जिन लोगों को हम आसानी से ढूंढ सके, वे अधिक सुलभ थे। हमें इसके लिए समायोजन करने की आवश्यकता है।"
इसे ठीक करने के लिए, उन्होंने एक दो-स्तरीय सुरक्षा जाल बनाया जिसे डबली रोबस्ट (Doubly Robust) ढांचा कहा जाता है। कल्पना कीजिए कि आप भीड़ की औसत ऊंचाई का अनुमान लगाने की कोशिश कर रहे हैं, लेकिन आप केवल सामने खड़े लोगों को देख पाते हैं।
मॉडल A ("कौन गायब है?" का अनुमान): उन्होंने मोहल्लों (जिन्हें "सेगमेंट" कहा जाता है) को देखा और पूछा, "यहाँ लोगों को ढूंढना कितना कठिन था?" उन्होंने एक चतुर तरीका अपनाया: उन्होंने देखा कि उस मोहल्ले में कितने लोगों ने सफलतापूर्वक ऑनलाइन जनगणना भरी। यदि किसी मोहल्ले में ऑनलाइन पूर्णता दर कम थी, तो उन्होंने माना कि वहां व्यक्तिगत रूप से लोगों को ढूंढना भी कठिन रहा होगा। इससे उन्हें यह अनुमान लगाने में मदद मिली कि कौन गायब है।
मॉडल B ("वे कैसे दिखते हैं?" का अनुमान): उन्होंने देश के ज्ञात तथ्यों (कुल पुरुष, कुल महिलाएं, प्रत्येक शहर में कुल लोग) का उपयोग करके एक "लक्ष्य प्रोफ़ाइल" बनाई। उन्होंने पूछा, "यदि हमारे पास पूरा देश होता, तो आयु और लिंग का मिश्रण कैसा होता?"
"डबली रोबस्ट" का जादू:
इस विधि की सुंदरता यह है कि इसमें एक बैकअप प्लान है।
- यदि मॉडल A सटीक है लेकिन मॉडल B थोड़ा गलत है, तो परिणाम फिर भी सटीक होगा।
- यदि मॉडल B सटीक है लेकिन मॉडल A थोड़ा गलत है, तो परिणाम फिर भी सटीक होगा।
- यह केवल तभी विफल होता है जब दोनों अनुमान गलत हों।
यह खजाना खोजने के लिए दो अलग-अलग मानचित्रों के होने जैसा है। यदि एक मानचित्र पुराना है और दूसरा नया, तो आप फिर भी उस स्थान को खोज सकते हैं जब तक कि उनमें से कम से कम एक सही हो।
प्रक्रिया: फोटो को फैलाना
एक बार जब उनके पास ये दो मॉडल आ गए, तो उन्होंने उन लोगों पर "वेट्स" (weights) लागू किए जिन्हें गिना गया था।
- यदि कोई व्यक्ति ऐसे मोहल्ले से आया था जहाँ पहुँचना कठिन था (जैसे कि एक गरीब ग्रामीण क्षेत्र), तो उनका "वेट" बढ़ा दिया गया। सांख्यिकीय रूप से, इसका अर्थ है "इस फोटो में एक व्यक्ति वास्तव में 1.5 लोगों का प्रतिनिधित्व करता है।"
- यदि कोई व्यक्ति आसानी से पहुँचने वाले क्षेत्र से आया था, तो उनका वेट 1 के करीब रहा।
इसके बाद उन्होंने इन वेट्स को तब तक समायोजित किया जब तक कि प्रत्येक शहर में पुरुषों, महिलाओं और लोगों की कुल संख्या आधिकारिक सरकारी आंकड़ों से मेल न खा जाए। इसने सुनिश्चित किया कि अंतिम चित्र केवल एक अनुमान नहीं था; इसे देश की जनसांख्यिकी के ज्ञात वास्तविकता से मेल खाने के लिए गणितीय रूप से मजबूर किया गया था।
परिणाम: वास्तविकता की एक स्पष्ट तस्वीर
जब उन्होंने इस विधि को लागू किया, तो चित्र में महत्वपूर्ण बदलाव आया।
- पहले: जनगणना एक ऐसे देश के रूप में दिख रही थी जहाँ वृद्ध, धनी लोग शहरों में रहते थे।
- बाद में: भारित डेटा (weighted data) ने अधिक युवा वयस्कों, अधिक ग्रामीण क्षेत्रों में रहने वाले लोगों और आवास संबंधी समस्याओं (जैसे भीड़भाड़ या खराब सामग्री) से जूझ रहे परिवारों को प्रकट किया।
उदाहरण के लिए, अनौपचारिक बस्तियों (झुग्गी-झोपड़ियों) में रहने वाले लोगों का प्रतिशत 4.5% से बढ़कर 5.5% हो गया। ऐसा इसलिए नहीं हुआ कि वहां अधिक लोग रहने आए थे; बल्कि इसलिए हुआ क्योंकि मूल फोटो में वहां रहने वाले लोगों को छोड़ दिया गया था। नई पद्धति ने उन पैटर्न के आधार पर "खाली स्थानों को भरा" जो उन लोगों के थे जिन्हें सफलतापूर्वक पाया गया था।
यह क्यों महत्वपूर्ण है
यह शोध पत्र केवल यह नहीं कहता कि "हमने अधिक लोगों को गिना।" यह इस बारे में एक नया नियम पुस्तिका प्रदान करता है कि जब पारंपरिक तरीका विफल हो जाता है, तो देश की गणना कैसे की जाए। यह दिखाता है कि जब आप एक पूर्ण यादृच्छिक नमूना प्राप्त नहीं कर सकते, तो आप निम्नलिखित को जोड़कर एक विश्वसनीय तस्वीर प्राप्त कर सकते हैं:
- स्मार्ट अनुमान कि कौन गायब है (स्थानीय संकेतों जैसे इंटरनेट उपयोग का उपयोग करके)।
- ठोस तथ्य कुल जनसंख्या के बारे में (सरकारी कुल आंकड़ों का उपयोग करके)।
- एक सुरक्षा जाल जो यह सुनिश्चित करता है कि आपके अनुमानों में से एक थोड़ा गलत होने पर भी आप गलत न हों।
संक्षेप में, उन्होंने एक त्रुटिपूर्ण, पक्षपाती स्नैपशॉट को पूरे राष्ट्र के एक विश्वसनीय, प्रतिनिधि चित्र में बदल दिया, जिससे यह सुनिश्चित हुआ कि अंतिम आंकड़ों में सबसे कमजोर लोग अदृश्य न रह जाएं।
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।