Direct domain estimation via regression-tree-assisted estimators in the production of official statistics

तकनीकी सारांश: रिग्रेशन-ट्री-असिस्टेड एस्टिमेटर्स के माध्यम से प्रत्यक्ष डोमेन अनुमान

समस्या विवरण
राष्ट्रीय सांख्यिकीय कार्यालय (NSOs) आमतौर पर एक "यूनि-वेट" (uni-weight) दृष्टिकोण के तहत कार्य करते हैं, जिसमें कई मापदंडों और उप-जनसंख्याओं (डोमेन) का अनुमान लगाने के लिए भार (weights) के एक एकल सेट का उपयोग किया जाता है। जबकि यह रणनीति परिचालन संबंधी लाभ प्रदान करती है—जैसे कि गणना की सरलता, पैमाने की अर्थव्यवस्था और आंतरिक निरंतरता (योगात्मकता/बेंचमार्किंग)—यह हमेशा विशिष्ट उप-जनसंख्याओं के लिए इष्टतम नहीं होती है। मॉडल-असिस्टेड एस्टिमेटर्स की दक्षता इस बात पर निर्भर करती है कि सहायक मॉडल (assisting model) रुचि के चर (variable of interest) के लिए विशिष्ट डोमेन के भीतर कितनी भविष्यवाणिय शक्ति रखता है। संपूर्ण जनसंख्या के लिए फिट किया गया एक एकल मॉडल अक्सर अनियोजित डोमेन (वे उप-जनसंख्याएँ जो सैंपलिंग डिज़ाइन द्वारा परिभाषित नहीं हैं) के भीतर सहायक और अध्ययन चरों के बीच विशिष्ट संबंधों को पकड़ने में विफल रहता है। यह एक एकीकृत भार प्रणाली की परिचालन सुविधा और स्थानीय अनुमान दक्षता की आवश्यकता के बीच एक तनाव पैदा करता है।

कार्यप्रणाली और ढांचा
यह शोध प्रत्यक्ष अनुमान के लिए एक डिज़ाइन-आधारित ढांचे के भीतर कार्य करता है, जो रिग्रेशन ट्रीज़ (regression trees) को शामिल करने के लिए मॉडल-असिस्टेड एस्टिमेटर्स के परिवार का विस्तार करता है। अध्ययन एक परिमित जनसंख्या $U$ का उपयोग करके अनियोजित डोमेन ($U_d$) के लिए योग ($Y_d$) का अनुमान लगाने पर केंद्रित है।

रिग्रेशन ट्रीज़ को सहायक मॉडल के रूप में लागू करने के लिए दो अलग-अलग रणनीतियाँ तैयार की गई हैं:

1. RTU (रिग्रेशन ट्री - यूनि-वेट): संपूर्ण नमूने ($s$) पर जनसंख्या स्तर पर एक एकल रिग्रेशन ट्री फिट किया जाता है। इसके परिणामस्वरूप प्राप्त भविष्यवाणियों का उपयोग किसी भी डोमेन के लिए लागू होने वाले भार के एक एकल सेट को प्राप्त करने के लिए किया जाता है।
2. RTD (रिग्रेशन ट्री - डोमेन-विशिष्ट): प्रत्येक डोमेन ($s_d$) के भीतर डेटा के लिए एक अलग रिग्रेशन ट्री फिट किया जाता है।

शोध यह प्रदर्शित करता है कि दोनों एस्टिमेटर्स को नमूना अवलोकनों ($\sum w^*_i y_i$) के भारित योग के रूप में व्यक्त किया जा सकता है जहाँ भार ($w^*_i$) अध्ययन चर ($y$) से स्वतंत्र होते हैं। यह "यूनि-वेट" गुण को सुरक्षित रखता है और जनसंख्या कुल (population total) के संबंध में योगात्मकता (बेंचमार्किंग) सुनिश्चित करता है।

प्रमुख सैद्धांतिक योगदान

• RTD का सूत्रीकरण: शोध डोमेन-विशिष्ट ट्री एस्टिमेटर को सूत्रित करता है, यह दिखाते हुए कि इसे नमूना अवलोकनों के एक रैखिक संयोजन के रूप में लिखा जा सकता है जहाँ भार डोमेन जनसंख्या आकार का त्रुटि रहित अनुमान लगाते हैं।
• RTU का लक्षण वर्णन: यह जनसंख्या-स्तरीय ट्री एस्टिमेटर का लक्षण वर्णन करता है और एस्टेवाओ और सारंडलल (1999) के तर्क को ट्री-आधारित मॉडलों के लिए विस्तारित करता है। लेखक सिद्ध करते हैं कि जब मॉडल जनसंख्या स्तर पर फिट किया जाता है, तो परिणामी डोमेन एस्टिमेटर डोमेन के भीतर व्यवहार करने में हॉरविट्ज़-थॉम्पसन (HT) एस्टिमेटर की तरह ही आसतत (asymptotically) व्यवहार करता है। ऐसा इसलिए होता है क्योंकि वैश्विक फिट (global fit) डोमेन के बाहर की इकाइयों (जहाँ विस्तारित चर शून्य होता है) के लिए 'नुल मॉडल' (null model) की ओर खिंच जाता है, जिससे डोमेन के भीतर अवशिष्ट भिन्नता (residual variance) कम करने में विफलता होती है।
• विचरण न्यूनीकरण तंत्र (Variance Reduction Mechanism): इसके विपरीत, डोमेन-विशिष्ट मॉडल (RTD) डोमेन के भीतर भविष्यवाणिय शक्ति ($R^2_d$) के अनुपात में पर्याप्त विचरण कमी प्राप्त करता है। RTD एस्टिमेटर का विचरण HT एस्टिमेटर के विचरण के लगभग $(1 - R^2_d)$ गुना के रूप में दिखाया गया है।
• डिज़ाइन निरंतरता: प्रपोजिशन 1 मानक आसतत स्थितियों के तहत ट्री-असिस्टेड एस्टिमेटर की डिज़ाइन निरंतरता स्थापित करता है, बशर्ते कि किश प्रभाव (Kish effect/भार परिवर्तनशीलता) को नियंत्रित करने के लिए ट्री का आकार सीमित हो या नमूना आकार के सापेक्ष धीरे-धीरे बढ़े।

अनुभवजन्य परिणाम (Empirical Results)
उरुग्वे के निरंतर घरेलू सर्वेक्षण (ECH) के माइक्रोडाटा का उपयोग करके एक सिमुलेशन अध्ययन इन एस्टिमेटर्स के व्यवहार को स्पष्ट करता है:

• जनसंख्या स्तर: ट्री-असिस्टेड एस्टिमेटर (RT) मॉडल किए गए चर (रोजगार की स्थिति) के लिए HT एस्टिमेटर की तुलना में विचरण को महत्वपूर्ण रूप से कम करता है, जिसमें डिज़ाइन प्रभाव (deff) 0.55 से 0.73 के बीच रहता है। हालांकि, एक गैर-मॉडल किए गए चर (बेरोजगारी) के लिए, सुधार नगण्य है (deff $\approx$ 1), जो यूनि-वेट दृष्टिकोण की एक सीमा को उजागर करता है जब मॉडल किसी विशिष्ट चर के लिए अनुकूलित होता है। RT एस्टिमेटर ने खाली सेल से होने वाले पूर्वाग्रह से बचकर और सामंजस्य बनाए रखकर पारंपरिक पोस्ट-स्ट्रैटिफिकेशन (PS) को पछाड़ दिया।
• डोमेन स्तर: विभाग द्वारा टोल (totals) का अनुमान लगाते समय, RTU एस्टिमेटर ने HT पर कोई दक्षता लाभ नहीं दिखाया (deff $\approx$ 1)। इसके विपरीत, RTD एस्टिमेटर ने अधिकांश विभागों में पर्याप्त विचरण कमी हासिल की (deff $\approx$ 0.3), जो इस सैद्धांतिक भविष्यवाणी की पुष्टि करता है कि डोमेन-स्तरीय परिशुद्धता के लिए स्थानीय मॉडल फिटिंग आवश्यक है।

महत्व और सीमाएं
शोध का तर्क है कि RTD एस्टिमेटर एक एकीकृत भार प्रणाली के परिचालन लाभों को बनाए रखते हुए अनियोजित डोमेन में परिशुद्धता में सुधार के लिए एक आकर्षक मार्ग प्रदान करता है। यह NSOs को अप्रत्यक्ष लघु क्षेत्र अनुमान (SAE) विधियों को अपनाने के बजाय अधिक सटीक डोमेन अनुमान उत्पन्न करने की अनुमति देता है, बशर्ते कि डोमेन नमूना आकार पर्याप्त बड़ा हो।

लेखक स्पष्ट रूप से निम्नलिखित सीमाओं को नोट करते हैं:

1. चर विशिष्टता (Variable Specificity): सुधार मॉडल के निर्माण में उपयोग किए गए चर में केंद्रित होते हैं; अन्य चरों के अनुमानों को लाभ नहीं मिल सकता है।
2. ट्री का आकार: ट्री को अत्यधिक बढ़ाना (over-growing) किश प्रभाव को बढ़ा सकता है, जिससे विचरण बढ़ सकता है।
3. नमूना आकार की आवश्यकताएं: विधि के लिए स्थिर डोमेन-स्तर फिटिंग सुनिश्चित करने के लिए पर्याप्त अपेक्षित डोमेन नमूना आकार ($E(n_d)$) की आवश्यकता होती है। बहुत छोटे डोमेन में, अप्रत्यक्ष मॉडल-आधारित अनुमान अभी भी आवश्यक है।
4. समझौता (Trade-off): RTD के माध्यम से स्थानीय परिशुद्धता प्राप्त करने से जनसंख्या स्तर पर 'इष्टतम' एस्टिमेटर न होने की लागत आती है, हालांकि बड़े पैमाने के सर्वेक्षणों में इस लागत को मामूली माना जाता है।

शोध यह निष्कर्ष निकालता है कि RTU, RTD और अप्रत्यक्ष SAE के बीच चयन का मार्गदर्शन अपेक्षित डोमेन नमूना आकार द्वारा किया जाना चाहिए, जहाँ RTD उन डोमेन के लिए पसंदीदा रणनीति है जहाँ पर्याप्त डेटा उपलब्ध है और प्रत्यक्ष अनुमान संभव है।