📊 statistics

Jeffreys-Type Penalized GEE for Correlated Binary Data with an Odds-Ratio Parameterization

यह शोध पत्र सेपरेशन (separation) के तहत सह-संबंधित बाइनरी डेटा के लिए परिमित अनुमान और विश्वसनीय निष्कर्ष सुनिश्चित करने हेतु एक ऑड्स-रेशियो पैरामीट्राइजेशन का उपयोग करते हुए जेफ्रीज़-प्रायर दंडित (Jeffreys-prior penalized) जनरल एस्टिमेटिंग इक्वेशंस (GEE) ढांचे का प्रस्ताव करता है, जो सामान्य परिदृश्यों में प्रदर्शन बनाए रखते हुए विरल या दुर्लभ-घटना वाले सेटिंग्स में साधारण GEE से बेहतर प्रदर्शन करने वाले कम्प्यूटेशनल रूप से कुशल वेरिएंट प्रदान करता है।

मूल लेखक: Anestis Touloumis

प्रकाशित 2026-06-16

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Anestis Touloumis

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 जासूस हैं जो दोस्तों के एक समूह (जैसे कि एक परिवार या एक टीम) के डेटा का उपयोग करके एक रहस्य को सुलझाने की कोशिश कर रहे हैं क्योंकि वे एक-दूसरे से संबंधित हैं। क्योंकि वे आपस में जुड़े हुए हैं, उनके उत्तर स्वतंत्र नहीं हैं; यदि एक व्यक्ति "हाँ" कहता है, तो उसके भाई या बहन के भी "हाँ" कहने की संभावना अधिक होती है। सांख्यिकी (statistics) में, इसे सहसंबद्ध डेटा (correlated data) कहा जाता है।

इस रहस्य को सुलझाने के लिए, आप आमतौर पर एक मानक उपकरण का उपयोग करते हैं जिसे GEE (Generalized Estimating Equations) कहा जाता है। GEE को एक विश्वसनीय GPS की तरह समझें जो सच्चाई खोजने के लिए डेटा के माध्यम से आपका मार्गदर्शन करता है।

समस्या: "परफेक्ट स्टॉर्म" (सेपरेशन/Separation)

कभी-कभी, डेटा पेचीदा हो जाता है। एक ऐसी स्थिति की कल्पना करें जहाँ एक विशिष्ट सुराग (जैसे कि एक विशिष्ट लक्षण) परिणाम की सटीक भविष्यवाणी करता है। उदाहरण के लिए, उस विशेष जीन वाले हर व्यक्ति को बीमारी होती है, और बिना उस जीन वाले किसी भी व्यक्ति को बीमारी नहीं होती है। सांख्यिकी में, इसे सेपरेशन (separation) कहा जाता है।

जब ऐसा होता है, तो मानक GPS (साधारण GEE) टूट जाता है। यह भ्रमित हो जाता है, गोल-गोल घूमने लगता है और समाधान नहीं ढूंढ पाता। यह चिल्ला सकता है, "मैं इसकी गणना नहीं कर सकता!" या यह आपको एक ऐसी संख्या दे सकता है जो इतनी बड़ी है कि वह लगभग अनंत (infinity) है। यह शोधकर्ताओं के लिए एक आपदा है, विशेष रूप से जब उनके पास लोगों के छोटे समूह हों या दुर्लभ घटनाएं हों।

पुराने समाधान: त्रुटिपूर्ण मानचित्र (Flawed Maps)

वैज्ञानिकों ने GPS को अनंत तक जाने से रोकने के लिए इसमें एक "दंड" (penalty) जोड़ने का प्रयास किया। हालाँकि, पुराने तरीकों में दो बड़ी खामियां थीं:

मानचित्र सिकुड़ गया: उन्होंने संबंधों (सहसंबंध) को मापने का एक ऐसा तरीका इस्तेमाल किया जो डेटा के चरम होने पर शून्य तक गिर जाता था। यह एक ऐसे मानचित्र का उपयोग करने जैसा था जो ठीक उसी समय एक बिंदु में सिमट जाता है जब आपको तूफान में रास्ता खोजने की सबसे अधिक आवश्यकता होती है।
गलत दिशा-सूचक यंत्र (Compass): वे केवल एक विशिष्ट प्रकार के प्रश्न ( "logit" लिंक) के लिए काम करते थे (जैसे कि "probit" या "cauchit" जैसे अन्य प्रकार के प्रश्नों को वे अनसुलझा छोड़ देते थे)।

नया समाधान: एक बेहतर GPS (PGEE)

लेखक, अनेस्टिस टौलुमिस (Anestis Touloumis), एक नया, उन्नत GPS प्रस्तावित करते हैं जिसे PGEE (Penalized GEE) कहा जाता है। यह कैसे काम करता है, इसके लिए सरल उपमाओं का उपयोग यहाँ दिया गया है:

1. "जेफ्रीज़" सुरक्षा जाल (The "Jeffreys" Safety Net - द पेनल्टी)
कल्पना कीजिए कि GPS के पास एक सुरक्षा जाल है जिसे जेफ्रीज़ प्रायर (Jeffreys prior) कहा जाता है। यदि GPS अनंत की ओर बढ़ने लगता है ( "परफेक्ट प्रेडिक्शन" की समस्या के कारण), तो यह सुरक्षा जाल इसे धीरे से वापस एक उचित, सीमित संख्या की ओर खींच लेता है। यह एक बंजी कॉर्ड (bungee cord) से बंधे GPS की तरह है ताकि यह दुनिया के किनारे से कभी गिर न सके।

2. "ऑड्स रेशियो" दिशा-सूचक यंत्र (The "Odds Ratio" Compass - द न्यू पैरामीट्राइजेशन)
पुराने, नाजुक तरीके से संबंधों को मापने के बजाय, यह नया GPS ऑड्स रेश्यो (Odds Ratios) का उपयोग करता है।

पुराना तरीका: सहसंबंध को मापना प्रकाश की गति से चल रही दो चलती कारों के बीच की दूरी मापने जैसा था। यदि वे किनारे के बहुत करीब पहुँच जाते हैं, तो माप टूट जाता है।
नया तरीका: लेखक सभी डेटा को बड़े, मजबूत तालिकाओं में मिलाने का सुझाव देते हैं (जैसे कि सभी पहेली के टुकड़ों को एक एकल, ठोस ब्लॉक में मिलाना)। यह एक ऐसा माप बनाता है जो स्थिर और सीमित रहता है, भले ही डेटा अव्यवद्य या चरम हो। यह रबर बैंड के बजाय स्टील के ठोस पैमाने का उपयोग करने जैसा है।

3. "वन-स्टेप" शॉर्टकट (The "One-Step" Shortcut)
इस नए GPS की गणना करना धीमा हो सकता है। इसलिए, लेखक दो शॉर्टकट भी प्रदान करते हैं:

OPGEE: एक "वन-स्टेप" संस्करण जो एक त्वरित अनुमान लगाता है और रुक जाता है। यह पूरे मार्ग पर गाड़ी चलाने के बजाय मानचित्र पर एक त्वरित नज़र डालने जैसा है।
HPGEE: एक "हाइब्रिड" संस्करण जो पुराने और नए तरीकों को मिलाता है।
ये तब उपयोगी होते हैं जब पूर्ण गणना में बहुत अधिक समय लगता है या वह अटक जाती है।

जब उन्होंने इसका परीक्षण किया तो क्या हुआ?

लेखक ने हजारों सिमुलेशन (जैसे कि वीडियो गेम में टेस्ट ड्राइव) चलाए:

"तूफान" में (सेपरेशन): पुराना GPS क्रैश हो गया या गलत परिणाम देने लगा। नया PGEE GPS चलता रहा, सही उत्तर पाया, और टूटा नहीं। इसने महत्वपूर्ण सुरागों की सही पहचान की और अप्रासंगिक सुरागों को अनदेखा कर दिया।
"शांत मौसम" में (सामान्य डेटा): जब कोई सेपरेशन नहीं था, तो नया GPS पुराने के समान ही अच्छा प्रदर्शन करता रहा। इसने काम को धीमा नहीं किया और न ही इसे बदतर बनाया।

वास्तविक दुनिया का परीक्षण: श्वसन संबंधी बीमारी का परीक्षण (The Respiratory Illness Trial)

लेखक ने वास्तविक डेटा पर इसका परीक्षण किया जो श्वसन संबंधी बीमारी के अध्ययन से लिया गया था।

समस्या: मानक विधि पूरी तरह विफल रही। यह काम नहीं कर पाई क्योंकि डेटा में "सेपरेशन" था (रोगी समूह का एक विशिष्ट हिस्सा एक ही परिणाम प्राप्त कर रहा था)।
परिणाम: नया PGEE तरीका पूरी तरह से काम कर गया। इसने उत्तर खोज लिए, जोखिमों की गणना की, और दिखाया कि उपचार प्रभावी था, भले ही पुराने तरीके ने हार मान ली थी।

मुख्य निष्कर्ष (The Bottom Line)

यह शोध पत्र एक नया सांख्यिकीय उपकरण पेश करता है जो डेटा विश्लेषण में होने वाले एक सामान्य क्रैश को ठीक करता है। यह एक सुरक्षा जाल (संख्याओं को अनंत होने से रोकने के लिए) को एक मजबूत दिशा-सूचक यंत्र (संबंधों को बिना तोड़े मापने के लिए) के साथ जोड़ता है। यह तब काम करता है जब डेटा अव्यवद्य, दुर्लभ या चरम हो, लेकिन यह सामान्य डेटा होने पर पुराने उपकरणों जितना ही अच्छा है।

लेखक ने इसे एक मुफ्त सॉफ़्टवेयर पैकेज (R में geer नामक) में भी बनाया है ताकि अन्य शोधकर्ता तुरंत इसका उपयोग कर सकें।

तकनीकी सारांश: सहसंबंधित बाइनरी डेटा के लिए जेफ्रीज़-प्रकार का दंडित GEE (Jeffreys-Type Penalized GEE)

समस्या विवरण
जनसंख्या-औसत अनुमान (population-averaged inference) के लिए सामान्यीकृत अनुमानित समीकरण (Generalized Estimating Equations - GEE) सहसंबंधित बाइनरी प्रतिक्रियाओं पर मानक उपकरण हैं। हालाँकि, साधारण GEE विरल सेटिंग्स (sparse settings), छोटे नमूनों, या जब "सेपरेशन" (separation) होता है (जहाँ एक कोवेरिएट या रैखिक संयोजन प्रतिक्रिया की सटीक भविष्यवाणी करता है), में संख्यात्मक रूप से अस्थिर होता है। सेपरेशन के तहत, साधारण GEE अक्सर अभिसरण (converge) करने में विफल रहता है, अनंत या अत्यधिक अनुमान प्रदान करता है, और अविश्वसनीय वाल्ड-प्रकार (Wald-type) के अनुमान प्रस्तुत करता है।

मौजूदा दंडित GEE (Penalized GEE - PGEE) दृष्टिकोण इन समस्याओं को कम करने का प्रयास करते हैं लेकिन दो प्राथमिक सीमाओं से ग्रस्त हैं:

पैरामीट्राइजेशन पतन (Parameterization Collapse): कई विधियाँ वर्किंग एसोसिएशन के लिए सहसंबंध-गुणांक पैरामीट्राइजेशन पर निर्भर करती हैं। सेपरेशन के तहत, फिट की गई संभावनाएँ 0 या 1 के करीब पहुँच जाती हैं, जिससे सहसंबंध गुणांक की व्यवहार्य सीमा (feasible range) फ्रेटशे बाउंड्स (Fréchet bounds) के कारण शून्य की ओर ढह जाती है। यह वर्किंग स्ट्रक्चर को ठीक उसी समय स्वतंत्रता (independence) की ओर धकेलता है जब विषय-भीतर (within-subject) निर्भरता सबसे मजबूत होती है, जिससे दक्षता बाधित होती है।
लिंक फंक्शन प्रतिबंध: वर्तमान दंडित विधियाँ मुख्य रूप से लॉजिट लिंक (logit link) तक सीमित हैं और गैर-स्वतंत्रता वर्किंग स्ट्रक्चर के तहत सामान्य रूप से परिमित अनुमान (finite estimates) की गारंटी नहीं देती हैं।

कार्यप्रणाली (Methodology)
यह शोध पत्र एक जेफ्रीज़-प्रकार के दंडित GEE (PGEE) ढांचे का प्रस्ताव करता है जिसे सेपरेशन के तहत परिमित अनुमान और संख्यात्मक स्थिरता सुनिश्चित करने के लिए डिज़ाइन किया गया है। कार्यप्रणाली में दो मुख्य घटक शामिल हैं:

जेफ्रीज़-प्रकार का दंड (Jeffreys-Type Penalty):
लेखक जेफ्रीज़-प्रायोर दंड (जो GLMs में Firth's correction के समान है) को GEE ढांचे में अनुकूलित करते हैं। दंड पद $\Lambda_{PG} = \delta \log[\det(\Sigma_0)]$ के रूप में परिभाषित है, जहाँ $\Sigma_0$ GEE का फिशर सूचना मैट्रिक्स (Fisher information matrix) का एनालॉग है और $\delta \in (0, 1]$ दंड की शक्ति को नियंत्रित करता है। डिफ़ॉल्ट मान $\delta = 1/2$ है। यह दंड फिट की गई संभावनाओं को सीमाओं (0 और 1) से दूर धकेलकर अनुमान को स्थिर करता है।
- सैद्धांतिक गारंटी: एक वर्किंग इंडिपेंडेंस संरचना के तहत, PGEE समीकरण दंडित अधिकतम संभावना स्कोर समीकरणों (penalized maximum likelihood score equations) में बदल जाते हैं। लेखक सिद्ध करते हैं कि सामान्य लिंक फंक्शन (logit, probit, complementary log-log, cauchit) के लिए, यदि डिजाइन मैट्रिक्स का पूर्ण कॉलम रैंक हो और लिंक फंक्शन एक विशिष्ट डेरिवेटिव स्थिति को संतुष्ट करता हो, तो अनुमानक (estimator) की परिमितता की गारंटी है।
- गैर-स्वतंत्रता (Non-Independence): हालांकि गैर-स्वतंत्रता संरचनाओं के लिए औपचारिक परिमितता गारंटी स्थापित नहीं की गई है, लेकिन यह दिखाया गया है कि दंड $O_p(1)$ है, जो मानक नियमितता स्थितियों के तहत साधारण GEE के साथ विषम (asymptotic) समानता सुनिश्चित करता है।
सीमांत ऑड्स-अनुपात पैरामीट्राइजेशन (Marginalized Odds-Ratio Parameterization):
सहसंबंध गुणांकों के पतन से बचने के लिए, वर्किंग एसोसिएशन को विषयों के बीच एकत्रित (pooled) $2 \times 2$ कंटिंजेंसी टेबल्स से गणना किए गए सीमांत ऑड्स-अनुपात का उपयोग करके पैरामीटराइज़ किया जाता है।
- फिट की गई सीमांत संभावनाओं पर निर्भर पुनरावृत्त सहसंबंध अनुमानकों के विपरीत, ये एकत्रित अनुमान सीधे डेटा से गणना किए जाते हैं (एक हल्डेन निरंतरता सुधार, $\zeta=0.5$ के साथ)।
- यह दृष्टिकोण सुनिश्चित करता है कि एसोसिएशन अनुमान परिमित और सुपरिभाषित बने रहें, भले ही सेपरेशन और विरलता (sparsity) मौजूद हो, जिससे वर्किंग स्ट्रक्चर को स्वतंत्रता में क्षय होने से रोका जा सके।

विविधता और कार्यान्वयन
गणना लागत को कम करने के लिए, लेखक दो सन्निकटन (approximations) प्रस्तावित करते हैं:

OPGEE (One-step PGEE): दंडित स्वतंत्रता अनुमानक से शुरू होकर दंडित समीकरणों का एक एकल फिशर स्कोरिंग इटरेशन।
HPGEE (Hybrid PGEE): दंडित स्वतंत्रता अनुमानक से शुरू होकर साधारण GEE समीकरणों का एक एकल फिशर स्कोरिंग इटरेशन।

इन विधियों को R पैकेज geer में geewa_binary() फंक्शन के माध्यम से लागू किया गया है।

मुख्य योगदान

ढांचा विकास: एक PGEE ढांचा जो जेफ्रीज़-प्रकार के दंड के साथ सीमांत ऑड्स-अनुपात पैरामीट्राइजेशन को जोड़ता है, जिसे विशेष रूप से सहसंबंधित बाइनरी डेटा में सेपरेशन को संभालने के लिए डिज़ाइन किया गया है।
परिमितता गारंटी: कई लिंक फंक्शन (logit, probit, cloglog, cauchit) के लिए वर्किंग इंडिपेंडेंस के तहत परिमित अनुमानों की स्थापना।
सेपरेशन के प्रति मजबूती: प्रदर्शन करना कि प्रस्तावित विधि उन संख्यात्मक विफलता मोड (अभिसरण न होना, अनंत अनुमान, सहसंबंध पतन) से बचती है जो सेपरेशन के तहत साधारण GEE और मौजूदा दंडित दृष्टिकोणों को प्रभावित करते हैं।
व्यावहारिक वेरिएंट: OPGEE और HPGEE का परिचय, जो पूर्ण इटरेशन धीमा या विफल होने पर कम्प्यूटेशनल रूप से कुशल विकल्प प्रदान करते हैं।

परिणाम

सिमुलेशन अध्ययन:
- सेपरेशन रिजीम (Separation Regimes): पूर्ण और अर्ध-पूर्ण सेपरेशन वाले परिदृश्यों में, साधारण GEE और बायस-रिड्यूस्ड अनुमानक (RBR) अधिकांश पुनरावृत्तियों में अभिसरण करने में विफल रहे। इसके विपरीत, PGEE, OPGEE और HPGEE ने सभी वर्किंग स्ट्रक्चर (स्वतंत्रता, एक्सचेंजेबल, अनस्ट्रक्चर्ड) के तहत लगभग पूर्ण अनुभवजन्य अभिसरण प्राप्त किया। विधियों ने अप्रासंगिक कोवेरिएट्स के लिए नाममात्र रिजेक्शन रेट बनाए रखते हुए सेपरेटिंग कोवेरिएट्स की पहचान उच्च शक्ति के साथ सफलतापूर्वक की।
- रेगुलर रिजीम (Regular Regimes): बिना सेपरेशन वाली सेटिंग्स में, दंडित अनुमानक अभिसरण, अनुभवजन्य कवरेज और भविष्यवाणी त्रुटि के मामले में साधारण GEE के तुलनीय प्रदर्शन करते हैं, जबकि छोटे नमूनों में मामूली बायस रिडक्शन प्रदान करते हैं।
अनुप्रयोग (श्वसन संबंधी बीमारी परीक्षण):
- इस पद्धति को एक परीक्षण (Clinic 2) पर लागू किया गया जहाँ पूर्ण सेपरेशन (सभी सक्रिय-उपचार वाली महिलाओं की श्वसन स्थिति अच्छी थी) के कारण साधारण GEE अभिसरण करने में विफल रहा।
- PGEE सफलतापूर्वक अभिसरण हुआ, जिससे प्रोबिट मॉडल के लिए परिमित अनुमान प्राप्त हुए। परिणाम विभिन्न वर्किंग स्ट्रक्चर (स्वतंत्रता, एक्सचेंजेबल, अनस्ट्रक्चर्ड) और दंड शक्ति ( $\delta=0.1, 0.5$ ) के बीच स्थिर थे।
- उल्लेखनीय रूप से, सहसंबंध-गुणांक पैरामीट्राइजेशन का उपयोग करने वाले कार्यान्वयन स्वीकार्य एसोसिएशन अनुमान प्रदान करने में विफल रहे, जबकि ऑड्स-अनुपात पैरामीट्राइजेशन स्थिर रहा।

महत्व और दावे
शोध पत्र का दावा है कि प्रस्तावित PGEE ढांचा सहसंबंधित बाइनरी डेटा विश्लेषण के लिए एक मजबूत समाधान प्रदान करता है जहाँ साधारण GEE विफल हो जाता है।

संख्यात्मक स्थिरता: जेफ्रीज़ दंड और ऑड्स-अनुपात पैरामीट्राइजेशन का संयोजन वर्किंग एसोसिएशन स्ट्रक्चर के "पतन" को रोकता है और सेपरेशन के तहत परिमित अनुमान सुनिश्चित करता है।
लचीलापन: मौजूदा दंडित GEE विधियों के विपरीत, यह ढांचा संख्यात्मक स्थिरता से समझौता किए बिना विभिन्न लिंक फंक्शन (केवल लॉजिट नहीं) और गैर-स्वतंत्रता वर्किंग स्ट्रक्चर का समर्थन करता है।
एसिम्प्टोटिक वैधता: दंड एसिम्प्टोटिक रूप से नगण्य है, जिसका अर्थ है कि प्रस्तावित अनुमानक साधारण GEE के समान एसिम्प्टोटिक वितरण साझा करते हैं, जिससे बिना किसी संशोधन के मानक सैंडविच-आधारित अनुमान का उपयोग किया जा सकता है।
व्यावहारिक उपयोगिता: लेखक इस बात पर जोर देते हैं कि यह विधि नियमित सेटिंग्स में प्राथमिक बायस-रिडक्शन टूल के बजाय "अस्तित्व और विश्वसनीय अनुमान" के लिए एक उपकरण है, जो अन्य बायस-करेक्टेड GEE दृष्टिकोणों से इसे अलग करती है।

शोध पत्र निष्कर्ष निकालता है कि हालांकि गैर-स्वतंत्रता संरचनाओं के लिए औपचारिक परिमितता गारंटी अभी भी एक खुला सैद्धांतिक प्रश्न है, प्रायोगिक साक्ष्य बताते हैं कि यह विधि व्यवहार में अत्यधिक प्रभावी है। भविष्य के कार्यों में गैर-स्वतंत्रता संरचनाओं के लिए औपचारिक परिमितता स्थितियाँ स्थापित करना, दंड शक्ति $\delta$ के लिए डेटा-संचालित चयन मानदंड विकसित करना और फ्रेमवर्क को मल्टीनोमियल या ऑर्डिनल परिणामों तक विस्तारित करना शामिल है।