📊 statistics

Bracketing Relationships of Weighted Average Treatment Effects

यह शोध पत्र यह स्थापित करता है कि प्रोपेंसिटी स्कोर और कंडीशनल एवरेज ट्रीटमेंट इफेक्ट के बीच एक मोनोटोनिक संबंध के तहत, ओवरलैप-वेटेड एवरेज ट्रीटमेंट इफेक्ट, उपचारित (treated) और नियंत्रण (control) समूहों के प्रभावों द्वारा सीमित है, जो इन परिणामों को इंस्ट्रूमेंटल वेरिएबल सेटिंग्स और अन्य वेट्स तक विस्तारित करता है और इन संबंधों को विज़ुअलाइज़ करने के लिए एक "CP-प्लॉट" का प्रस्ताव देता है।

मूल लेखक: Pengfei Tian, Fan Yang, Peng Ding

प्रकाशित 2026-06-11

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Pengfei Tian, Fan Yang, Peng Ding

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 नई दवा के औसत प्रभाव का पता लगाने की कोशिश कर रहे हैं। आपके पास दो समूह हैं: वे लोग जिन्होंने दवा ली (Treated/उपचारित) और वे जिन्होंने नहीं ली (Control/नियंत्रित)।

एक आदर्श दुनिया में, ये दोनों समूह जुड़वां भाई-बहनों की तरह समान होंगे। लेकिन वास्तविक दुनिया में (अवलोकन संबंधी अध्ययनों में), वे समान नहीं होते। डॉक्टरों ने शायद सबसे बीमार मरीजों को दवा दी होगी, या सबसे स्वस्थ लोगों को। इससे एक "प्रोपेंसिटी स्कोर" (propensity score) बनता है—एक संख्या जो हमें बताती है कि किसी व्यक्ति के पृष्ठभूमि के आधार पर दवा पाने की कितनी संभावना थी।

यह शोध पत्र इस बारे में है कि "औसत प्रभाव" की गणना करने के तीन अलग-अलग तरीकों की तुलना कैसे की जाए, और यह उन सभी को जोड़ने वाला एक दिलचस्प नियम खोजता है।

प्रभाव को मापने के तीन तरीके

जनसंख्या को एक भीड़ के रूप में सोचें जो एक रेखा पर खड़ी है। आप उस रेखा पर जहाँ भी खड़े होंगे, दवा लेने की आपकी "प्रोपेंसिटी" बदल जाएगी।

ATT (उपचारित का दृष्टिकोण): यह पूछता है, "उन लोगों के लिए क्या प्रभाव था जिन्होंने वास्तव में दवा ली?" यह केवल भीड़ के "Treated" पक्ष को देखता है।
ATC (नियंत्रित का दृष्टिकोण): यह पूछता है, "क्या होता यदि उन लोगों ने दवा ली होती जिन्होंने दवा नहीं ली?" यह केवल "Control" पक्ष को देखता है।
ATO (ओवरलैप का दृष्टिकोण): यह इस शोध पत्र का पसंदीदा है। यह पूछता है, "उन लोगों के लिए क्या प्रभाव है जो बिल्कुल बीच में हैं?" ये वे लोग हैं जहाँ दवा लेना या न लेना एक "टॉस" (सिक्का उछालने) जैसा था (जैसे कि किस्मत का खेल)। इसके पीछे का गणित "मध्यम" संभावना वाले लोगों को अतिरिक्त महत्व देता है और चरम स्थितियों (उन लोगों को जो 100% निश्चित थे कि उन्हें दवा मिलेगी या 100% निश्चित थे कि वे इससे बचेंगे) को अनदेखा करता है।

बड़ी खोज: "सैंडविच" नियम

लेखकों ने एक सरल नियम खोजा है जो एक सैंडविच की तरह काम करता है।

यदि वे लोग जिन्हें दवा मिलने की अधिक संभावना थी, उनका लाभ भी (या कम) बढ़ता/घटता गया (एक निरंतर, अनुमानित तरीके से - "मोनोटोनिक" संबंध), तो ATO (मध्य का दृष्टिकोण) हमेशा ATT और ATC के बीच में होगा।

रूपक (Metaphor): एक सी-सॉ (seesaw) की कल्पना करें।
- ATT एक छोर पर लगा वजन है।
- ATC दूसरे छोर पर लगा वजन है।
- ATO बीच में स्थित धुरी (pivot point) है।
- यह शोध पत्र सिद्ध करता है कि यदि सी-सॉ बहुत अधिक डगमगा नहीं रहा है (यदि संबंध सुचारू है), तो धुरी बिंदु अनिवार्य रूप से दोनों सिरों के बीच ही होगा। यह दोनों सिरों की सीमा से बाहर नहीं हो सकता।

यह क्यों मायने रखता है

आमतौर पर वैज्ञानिक इस बात पर बहस करते हैं कि कौन सा नंबर (ATT, ATC, या ATO) "सही" है।

यदि आप उन लोगों के बारे में चिंतित हैं जिन्होंने वास्तव में दवा ली, तो आप ATT चाहते हैं।
यदि आप सामान्य आबादी के बारे में चिंतित हैं, तो आप ATC चाह सकते हैं।
यदि आप एक स्थिर, विश्वसनीय संख्या चाहते हैं जो अजीब आउटलेयर्स (outliers) से प्रभावित न हो, तो आप ATO चाहते हैं।

यह शोध पत्र कहता है: आपको केवल एक को आँख मूंदकर चुनने की ज़रूरत नहीं है। यदि आप डेटा की जांच करते हैं और देखते हैं कि "लाभ" दवा लेने की "संभावना" के साथ लगातार बदल रहा है, तो आप आश्वस्त हो सकते हैं कि ATO एक सुरक्षित मध्य मार्ग है। यह गारंटी के साथ अन्य दो के बीच स्थित है।

"CP-प्लॉट" (एक नैदानिक उपकरण)

लेखक शोधकर्ताओं के लिए एक व्यावहारिक तरीका सुझाते हैं जिसे CP-प्लॉट कहा जाता है।

एक ग्राफ बनाने की कल्पना करें।
नीचे, आप लोगों के दवा पाने की संभावना (Propensity Score) को दर्शाते हैं।
बगल में, आप उनके लाभ (Treatment Effect) को दर्शाते हैं।
यदि ग्राफ पर रेखा लगातार ऊपर या लगातार नीचे जाती है (बिना टेढ़े-मेढ़े हुए), तो आप जानते हैं कि "सैंडविच नियम" लागू होता है।
यदि रेखा टेढ़े-मेढ़े रास्तों का ढेर है, तो नियम लागू नहीं होता, और आप यह सुनिश्चित नहीं कर सकते कि बीच का नंबर कहाँ स्थित है।

"इंस्ट्रुमेंटल वेरिएबल" ट्विस्ट (एक जादुई रिंच)

यह शोध पत्र एक अधिक जटिल परिदृश्य को भी देखता है जहाँ उपचार डॉक्टरों द्वारा नहीं चुना जाता, बल्कि एक "रैंडम नज़" (जैसे लॉटरी या नीति परिवर्तन) द्वारा निर्धारित होता है, जिसे इंस्ट्रुमेंटल वेरिएबल (IV) कहा जाता है।

इस परिदृश्य में, हम सभी पर प्रभाव को नहीं माप सकते, केवल एक विशिष्ट समूह पर माप सकते हैं जिसे "Compliers" (अनुपालनकर्ता) कहा जाता है (वे लोग जिन्होंने उस "नज़" का पालन किया)।

लेखकों ने सिद्ध किया कि वही सैंडविच नियम यहाँ भी काम करता है!
इस जटिल "IV" दुनिया में भी, अनुपालनकर्ताओं के लिए "ओवरलैप" प्रभाव उसी विशिष्ट समूह के लिए "Treated" और "Control" प्रभावों के बीच ही फंसा रहता है, बशर्ते कि संबंध सुचारू हो।

"बीटा-वेट" परिवार (एक रंग स्पेक्ट्रम)

अंत में, लेखक दिखाते हैं कि ATT, ATC और ATO केवल तीन अलग-अलग द्वीप नहीं हैं। वे वजन के एक बड़े परिवार (जिसे Beta weights कहा जाता है) का हिस्सा हैं।

इन भारों (weights) को एक रंग स्पेक्ट्रम की तरह समझें।
ATT शुद्ध लाल है।
ATC शुद्ध नीला है।
ATO बैंगनी (एक मिश्रण) है।
शोध पत्र दिखाता है कि यदि आप लाल से नीले की ओर सुचारू रूप से बढ़ते हैं, तो "बैंगनी" (ATO) हमेशा अपनी यात्रा के बीच में ही रहता है, बशर्ते कि परिदृश्य ऊबड़-खाबड़ न हो।

एक वाक्य में सारांश

यदि उपचार प्राप्त करने की सबसे अधिक संभावना वाले लोगों को उससे होने वाला लाभ भी लगातार बढ़ता (या घटता) जाता है, तो उपचार के प्रभाव का "मध्य-मार्ग" अनुमान गणितीय रूप से गारंटी के साथ उपचारित समूह और नियंत्रित समूह के अनुमानों के बीच सुरक्षित रूप से स्थित होता है।

तकनीकी सारांश: भारित औसत उपचार प्रभावों के ब्रैकेटिंग संबंध (Bracketing Relationships of Weighted Average Treatment Effects)

1. समस्या विवरण (Problem Statement)

अवलोकन संबंधी कारण अनुमान (observational causal inference) में, शोधकर्ता लक्षित जनसंख्या के आधार पर विभिन्न भारित औसत उपचार प्रभावों (ATEs) का अनुमान लगाते हैं। सामान्य एस्टिमैंड्स (estimands) में 'एवरेज ट्रीटमेंट इफेक्ट ऑन द ट्रीटेड' (ATT), 'एवरेज ट्रीटमेंट इफेक्ट ऑन द कंट्रोल्स' (ATC), और 'एवरेज ट्रीटमेंट इफेक्ट अंडर द ओवरलैप वेट' (ATO) शामिल हैं। जबकि मानक ATE को ज्ञात रूप से ATT और ATC के एक उत्तल संयोजन (convex combination) के रूप में जाना जाता है, ओवरलैप-भारित एस्टिमैंड (ATO) और इन पारंपरिक एस्टिमैंड्स के बीच के संबंध को व्यापक रूप से स्पष्ट नहीं किया गया है।

ATO को उन इकाइयों के अनुपात में भारित करके परिभाषित किया जाता है जो सहचरों (covariates) के दिए होने पर उपचार की सशर्त प्रसरण (conditional variance) $e(X)\{1-e(X)\}$ के समानुपाती होती है, जहाँ $e(X)$ प्रोपेंसिटी स्कोर है। यह वेटिंग स्कीम प्रोपेंसिटी स्कोर के चरम मानों के प्रति मजबूती के लिए और प्रतिगमन-आधारित अनुमानकों (regression-based estimators) के साथ इसके संबंध के कारण मूल्यवान है। हालांकि, बिना किसी सैद्धांतिक क्रम (theoretical ordering) के, यह स्पष्ट नहीं है कि क्या ATO, ATT और ATC के बीच स्थित है या यह उनसे अधिक हो सकता है। यह शोध पत्र विशिष्ट एकदिष्टता स्थितियों (monotonicity conditions) के तहत इन एस्टिमैंड्स के बीच एक "ब्रैकेटिंग" संबंध स्थापित करने का प्रयास करता है।

2. कार्यप्रणाली और सैद्धांतिक ढांचा (Methodology and Theoretical Framework)

2.1 अवलोकन संबंधी सेटिंग (Observational Setting)

लेखक अनकन्फाउंडेडनेस (unconfoundedness) के अनुमान के तहत मानक संभावित परिणामों (potential outcomes) के ढांचे के भीतर कार्य करते हैं। वे सशर्त औसत उपचार प्रभाव (CATE) को $\tau(X) = E\{Y(1) - Y(0) | X\}$ के रूप में परिभाषित करते हैं। मुख्य सैद्धांतिक वस्तु P-CATE फलन, $g(e) = E\{\tau(X) | e(X) = e\}$ है, जो एक विशिष्ट प्रोपेंसिटी स्कोर मान दिए होने पर CATE के सशर्त माध्य का प्रतिनिधित्व करता है।

परिणामों को संचालित करने वाला मुख्य अनुमान अनुमान 1 (Assumption 1) है, जो यह प्रस्तावित करता है कि $g(e)$ या तो गैर-घटता (non-decreasing) है या गैर-बढ़ता (non-increasing) है। यह धारणा इंगित करती है कि उपचार प्राप्त करने की उच्च (या निम्न) संभावना वाली इकाइयों में औसतन व्यवस्थित रूप से बड़े (या छोटे) उपचार प्रभाव होते हैं। यह शर्त $\tau(X)$ और $e(X)$ के बीच बिंदुवार (pointwise) एकदिष्टता की आवश्यकता की तुलना में एक कमजोर स्थिति है।

2.2 इंस्ट्रूमेंटल वेरिएबल (IV) सेटिंग

इस ढांचे को एक बाइनरी इंस्ट्रूमेंटल वेरिएबल $Z$ और बाइनरी उपचार $D$ के साथ लोकल एवरेज ट्रीटमेंट इफेक्ट (LATE) सेटिंग में विस्तारित किया गया है। विश्लेषण "कंप्लायर्स" (compliers) के उप-जनसंख्या पर केंद्रित है। लेखक ATT, ATC और ATO के स्थानीय एनालॉग ( $\tau^c_{ATT}, \tau^c_{ATC}, \tau^c_{ATO}$ ) को परिभाषित करते हैं और एक स्थानीय P-CATE फलन, $g_c(e)$ पेश करते हैं, जो कंप्लायर स्ट्रैटम पर परिभाषित है। अनुमान 4 (Assumption 4) $g_c(e)$ पर समान एकदिष्टता शर्त लागू करता है।

2.3 बीटा वेट्स में सामान्यीकरण (Generalization to Beta Weights)

यह शोध पत्र इन निष्कर्षों को बीटा वेट्स के एक परिवार तक सामान्यीकृत करता है जो $\beta_{u,v}(x) = e(x)^{u-1}\{1-e(x)\}^{v-1}$ द्वारा परिभाषित है, जहाँ $u, v \geq 1$ । यह परिवार ATE ( $u=1, v=1$ ), ATT ( $u=2, v=1$ ), ATC ( $u=1, v=2$ ), और ATO ( $u=2, v=2$ ) को विशेष मामलों के रूप में समाहित करता है।

2.4 प्रतिगमन व्याख्याएं (Regression Interpretations)

लेखक इन भारित एस्टिमैंड्स को प्रतिगमन गुणांकों से जोड़ते हैं:

OLS: प्रोपेंसिटी स्कोर की रैखिकता के तहत, $Y$ का $Z$ और $X$ पर जनसंख्या OLS प्रतिगमन में गुणांक $\tau_{ATO}$ के बराबर होता है।
TSLS: IV सेटिंग में, IV प्रोपेंसिटी स्कोर की रैखिकता के तहत, जनसंख्या टू-स्टेज लीस्ट स्क्वायर्स (TSLS) अनुमानक ओवरलैप-भारित LATE ( $\tau^c_{ATO}$ ) के बराबर होता है।

3. मुख्य परिणाम (Key Results)

3.1 ब्रैकेटिंग प्रमेय (Bracketing Theorems)

प्रमेय 1 (अवलोकन संबंधी): $g(e)$ पर एकदिष्टता धारणा के तहत, $\tau_{ATO}$ , $\tau_{ATT}$ और $\tau_{ATC}$ के बीच सीमित है। विशेष रूप से, यदि $g(e)$ गैर-घटता है, तो $\tau_{ATC} \leq \tau_{ATO} \leq \tau_{ATT}$ ; यदि गैर-बढ़ता है, तो असमानता उलट जाती है।
प्रमेय 2 (IV): एनालॉग रूप से, $g_c(e)$ पर एकदिष्टता धारणा के तहत, ओवरलैप-भारित LATE ( $\tau^c_{ATO}$ ), स्थानीय ATT और स्थानीय ATC द्वारा ब्रैकेटेड है।
प्रस्ताव 1 (Proposition 1): सशर्त माध्य CATE के रैखिक विनिर्देश के तहत, $\tau_{ATO}$ को स्पष्ट रूप से $\tau_{ATT}$ और $\tau_{ATC}$ के एक उत्तल संयोजन के रूप में दिखाया गया है, जिसमें एक मिक्सिंग वेट $\lambda$ प्रोपेंसिटी स्कोर के वितरण द्वारा निर्धारित होता है।

3.2 बीटा-वेट ऑर्डरिंग (Beta-Weight Ordering)

प्रमेय 4: सामान्य बीटा-वेट परिवार के लिए, एस्टिमैंड $\tau_{u,v}$ अपने मापदंडों $u$ और $v$ में एकदिष्ट है। यदि $g(e)$ गैर-घटता है, तो $\tau_{u,v}$ , $u$ के साथ बढ़ता है और $v$ के साथ घटता है। यह सभी बीटा-भारित एस्टिमैंड्स के बीच एक व्यवस्था (lattice) स्थापित करता है।
प्रस्ताव 3: आसन्न (adjacent) बीटा-भारित एस्टिमैंड्स रैखिक विनिर्देश धारणा के तहत एक उत्तल-संयोजन संबंध को संतुष्ट करते हैं।

3.3 सामान्य वेटिंग (General Weighting)

प्रमेय 6: लेखक किसी भी दो भारित एस्टिमैंड्स की तुलना करने के लिए एक पर्याप्त स्थिति प्रदान करते हैं, जो सशर्त माध्य प्रभाव की एकदिष्टता के सापेक्ष उनके वेटिंग फंक्शन के "वन-क्रॉसिंग" गुण पर आधारित है।

4. अनुभवजन्य चित्रण (Empirical Illustrations)

शोध पत्र दो प्रकार के अनुभवजन्य विश्लेषणों के माध्यम से सैद्धांतिक ब्रैकेटिंग को मान्य करता है:

अवलोकन संबंधी अध्ययन: आठ डेटासेट्स (राइट हार्ट कैथेटरिज़ेशन, गर्भपात वैधीकरण, और 401(k) पात्रता सहित) का विश्लेषण किया गया। लेखकों ने अनुमानित CATE ( $\hat{\tau}(X)$ ) बनाम अनुमानित प्रोपेंसिटी स्कोर ( $\hat{e}(X)$ ) के "CP-प्लॉट्स" (कंडीशनल प्रोपेंसिटी प्लॉट्स) का निर्माण किया।
- निष्कर्ष: सभी आठ मामलों में, डेटा के सुदृढ़ क्षेत्र (केंद्रीय ओवरलैप क्षेत्र) में $\hat{\tau}(X)$ और $\hat{e}(X)$ के बीच का संबंध लगभग एकदिष्ट था।
- परिणाम: अनुमानित ATO लगातार अनुमानित ATT और ATC के बीच रहा, और ऑर्डरिंग की दिशा CP-प्लॉट्स में दृश्य रुझान (बढ़ते या घटते) से मेल खाती थी।
IV अध्ययन: एबेडी (Abadie, 2003) के 401(k) डेटासेट का पुन: परीक्षण किया गया।
- विधि: कंडीशनल वाल्ड रेशियो के कंप्लायर-भारित स्मूदर (complier-weighted smoother) को IV प्रोपेंसिटी स्कोर के विरुद्ध प्लॉट किया गया।
- परिणाम: संबंध मामूली रूप से बढ़ता हुआ था, और ओवरलैप-भारित LATE, स्थानीय ATC और स्थानीय ATT के बीच स्थित था, जो सैद्धांतिक भविष्यवाणियों के अनुरूप है।

5. महत्व और सिफारिशें (Significance and Recommendations)

यह शोध पत्र दावा करता है कि यह पारंपरिक एस्टिमैंड्स के साथ ओवरलैप-भारित एस्टिमैंड के संबंध को स्पष्ट करके साहित्य के अंतराल को भरता है। इसका महत्व निम्नलिखित है:

सैद्धांतिक एकीकरण: यह प्रदर्शित करता है कि ATO एक अलग एस्टिमैंड नहीं है, बल्कि एक प्रशंसनीय एकदिष्टता स्थिति के तहत ATT और ATC द्वारा संरचनात्मक रूप से सीमित है।
व्यावहारिक डायग्नोस्टिक (CP-plot): लेखक एक डायग्नोस्टिक टूल के रूप में अनुमानित CATE को अनुमानित प्रोपेंसिटी स्कोर के विरुद्ध प्लॉट करने की सिफारिश करते हैं। यदि प्लॉट सुदृढ़ डेटा वाले क्षेत्र में एकदिष्टता दिखाता है, तो शोधकर्ता विश्वास कर सकते हैं कि ATO (और ओवरलैप-भारित LATE) ATT और ATC के बीच स्थित है।
मजबूती (Robustness): परिणाम तब भी प्रभावी रहते हैं जब प्रोपेंसिटी स्कोर के पूंछ (tails) वाले हिस्सों में एकदिष्टता की धारणा का उल्लंघन होता है, बशर्ते कि ओवरलैप वेट उन क्षेत्रों को कम भार दे (जो वह स्वाभाविक रूप से करता है)।
रिपोर्टिंग रणनीति: शोध पत्र सुझाव देता है कि शोधकर्ताओं को CP-प्लॉट के साथ ATT, ATO और ATC (या उनके स्थानीय IV एनालॉग) को रिपोर्ट करना चाहिए। यह पाठकों को लक्षित जनसंख्या के प्रति कारण संबंधी निष्कर्षों की संवेदनशीलता का आकलन करने और यह सत्यापित करने की अनुमति देता है कि क्या ब्रैकेटिंग संबंध अनुभवजन्य रूप से बना रहता है।

लेखक इस बात पर जोर देते हैं कि ये प्लॉट्स वर्णनात्मक डायग्नोस्टिक्स हैं न कि एकदिष्टता के औपचारिक सांख्यिकीय परीक्षण, और ब्रैकेटिंग निष्कर्षों की व्याख्या सावधानी के साथ की जानी चाहिए यदि केंद्रीय क्षेत्र में संबंध स्पष्ट रूप से गैर-एकदिष्ट (non-monotonic) दिखाई देता है।