Unbiased estimation of normalized scale-invariant indices under the gamma distribution

तकनीकी सारांश: गामा वितरण के अंतर्गत सामान्यीकृत स्केल-इनवेरिएंट सूचकांकों का निष्पक्ष अनुमान

समस्या विवरण
असमानता, परिवर्तनशीलता और संकेंद्रण के माप—जैसे कि गिनी गुणांक (Gini coefficient), एंट्रॉपी-आधारित माप, और ऑर्डर-स्टैटिस्टिक फलन—अर्थशास्त्र, वित्त और बीमा विज्ञान (actuarial science) में मौलिक हैं। यद्यपि इन सूचकांकों का अक्सर व्यक्तिगत रूप से अध्ययन किया जाता है, वे कुछ सामान्य संरचनात्मक विशेषताओं को साझा करते हैं: वे स्केल-इनवेरिएंट (scale-invariant) होते हैं और पूर्ण परिमाण के बजाय सापेक्ष अनुपातों पर निर्भर करते हैं। एक एकीकृत ढांचा जो इन व्यापक मापों के संग्रह को समाहित करने में सक्षम हो और उनके सांख्यिकीय गुणों, विशेष रूप से विशिष्ट वितरण संबंधी धारणाओं के तहत निष्पक्षतम अनुमानकर्ताओं (unbiased estimators) के व्युत्पन्न करने की सुविधा प्रदान करे, एक अभाव रहा है। यह शोध पत्र एक सामान्य वर्ग के सूचकांकों और एक अनुरूप एकीकृत अनुमान पद्धति की आवश्यकता को संबोधित करता है, विशेष रूप से गामा वितरण के संदर्भ में, जो इन क्षेत्रों में व्यापक रूप से लागू होता है।

कार्यप्रणाली
लेखक नॉर्मलाइज्ड पेयरवाइज रेशियो इंडिसेस (NPRIs) के एक व्यापक वर्ग को प्रस्तुत करते हैं जो होमोजेनियस (homogeneous) फलनों द्वारा उत्पन्न होते हैं। मान लीजिए कि $X$ एक गैर-ऋणात्मक यादृच्छिक चर (random variable) है जिसका परिमित माध्य $\mu$ है। एक NPRI को इस प्रकार परिभाषित किया जाता है:
$$I(g) = \frac{E[g(X_1, \dots, X_m)]}{mC\mu}$$
जहाँ $g: (0, \infty)^m \to [0, \infty)$ एक मापने योग्य (measurable) फलन है जो निम्नलिखित शर्तों को पूरा करता है:

1. डिग्री एक की होमोजेनिटी (Homogeneity of degree one): $g(\lambda x_1, \dots, \lambda x_m) = \lambda g(x_1, \dots, x_m)$ सभी $\lambda > 0$ के लिए।
2. बद्धता (Boundedness): $g(x_1, \dots, x_m) \leq C \sum_{i=1}^m x_i$ किसी परिमित स्थिरांक $C$ के लिए।

यह परिभाषा सुनिश्चित करती है कि $I(g)$ स्केल-इनवेरिएंट है और $[0, 1]$ के अंतराल में सामान्यीकृत (normalized) है। यह ढांचा शास्त्रीय गिनी गुणांक, सामान्यीकृत गिनी सूचकांकों, एंट्रॉपी मापों, और विभिन्न ऑर्डर-स्टैटिस्टिक आधारित मापों को समाहित करता है।

मुख्य कार्यप्रणाली योगदान किसी भी NPRI के लिए एक निष्पक्ष अनुमानकर्ता (unbiased estimator) का व्युत्पन्न करना है जब अंतर्निहित जनसंख्या एक गामा वितरण ($X \sim \text{Gamma}(\alpha, \lambda)$) का अनुसरण करती है। इसका व्युत्पन्न गामा यादृच्छिक नमूनों के एक प्रमुख गुण का लाभ उठाता है: कुल योग $S = \sum X_i$ और संबंधित डिरिचलेट वेक्टर अनुपात $(X_1/S, \dots, X_n/S)$ के बीच की स्वतंत्रता।

इस स्वतंत्रता और $g$ की होमोजेनिटी के आधार पर, लेखक एक U-स्टैटिस्टिक (U-statistic) के क्रम $m$ पर आधारित एक अनुमानकर्ता $\hat{I}_{g,m}$ प्रस्तावित करते हैं:
$$\hat{I}_{g,m} = \frac{1}{\binom{n}{m} C m \bar{X}} \sum_{1 \leq i_1 < \dots < i_m \leq n} g(X_{i_1}, \dots, X_{i_m})$$
जहाँ $\bar{X}$ नमूना माध्य (sample mean) है। शास्त्रीय U-सांख्यिकी, ल ऑफ लार्ज नंबर्स (law of large numbers), और डेल्टा मेथड का उपयोग करके इसके सैद्धांतिक गुणों, जिसमें स्ट्रॉन्ग कंसिस्टेंसी (strong consistency) और एसिम्प्टोटिक नॉर्मलिटी (asymptotic normality) शामिल है, स्थापित किए गए हैं।

प्रमुख योगदान

1. एकीकृत ढांचा: शोध पत्र NPRIs के एक सामान्य वर्ग को औपचारिक रूप देता है जो कई सुप्रसिद्ध असमानता और परिवर्तनशीलता सूचकांकों को एक एकल गणितीय सूत्र के तहत समाहित करता है।
2. स्पष्ट अभिव्यक्तियाँ: गामा वितरण के लिए, लेखक आकार पैरामीटर (shape parameter) $\alpha$ के पदों में विभिन्न NPRIs (जैसे गिनी, पावर, एसिमेट्रिक, शैनन एंट्रॉपी सूचकांक) के लिए स्पष्ट विश्लेषणात्मक अभिव्यक्तियों को व्युत्पन्न करते हैं।
3. निष्पक्ष अनुमान (Unbiased Estimation): मुख्य सैद्धांतिक योगदान यह सिद्ध करना है कि प्रस्तावित U-स्टैटिस्टिक-आधारित अनुमानकर्ता किसी भी NPRI के लिए निष्पक्ष (unbiased) है जब जनसंख्या गामा-वितरित होती है। यह एक एकल अनुमान प्रक्रिया प्रदान करता है जो सभी प्रकार के सूचकांकों पर लागू होती है।
4. सामान्यीकरण क्षमता: हालांकि गामा वितरण के तहत निष्पक्षता को सैद्धांतिक रूप से सिद्ध किया गया है, शोध पत्र सिमुलेशन के माध्यम से जनरलाइज्ड गामा (GG) वितरण के तहत इस अनुमानकर्ता के प्रदर्शन की जांच करता है, जो सख्त गामा धारणा से परे इसकी मजबूती (robustness) का सुझाव देता है।

परिणाम

• सिमुलेशन अध्ययन: विभिन्न सूचकांकों (गिनी, पावर, एसिमेट्रिक, SCV, आदि) के लिए विभिन्न आकार पैरामीटर्स ($\alpha \in \{1, 3, 5\}$) और नमूना आकार ($n \in \{10, 20, 50\}$) के तहत गामा आबादी के तहत मोंटे कार्लो सिमुलेशन ($M=5,000$ प्रतिकृति) आयोजित किए गए।
  • परिणाम दर्शाते हैं कि अनुमानकर्ता प्रभावी रूप से निष्पक्ष है, और जैसे-जैसे नमूना आकार बढ़ता है, बायस (bias) और रूट मीन स्क्वायर एरर (RMSE) कम होता जाता है।
  • सूचकांक के क्रम $m$ के संबंध में संवेदनशीलता विश्लेषण विभिन्न विन्यासों में स्थिर प्रदर्शन दिखाता है।
  • जनरलाइज्ड गामा सेटिंग में, अनुमानकर्ता अभिसरित (converge) होता है और कम बायस बनाए रखता है, जो सख्त गामा मॉडल से परे इसकी संभावित प्रयोज्यता को इंगित करता है।
• वास्तविक-डेटा अनुप्रयोग: इस कार्यप्रणाली को अमेरिका के 34 देशों और क्षेत्रों के प्रति व्यक्ति सकल घरेलू उत्पाद (GDP) के डेटासेट पर लागू किया गया (2023)।
  • गुडनेस-ऑफ-फिट परीक्षणों (कोलमोगोरोव-स्मिरनोव, क्रेमर-वॉन मिसेस, एंडरसन-डार्लिंग) ने पुष्टि की कि गामा वितरण डेटा के लिए एक उपयुक्त मॉडल है।
  • लेखकों ने प्रस्तावित अनुमानकर्ता का उपयोग करके विभिन्न NPRIs (गिनी, पावर, मैक्सिमम, मिनिमम, आदि) के अनुमानों की गणना की।
  • गैर-पैरामीट्रिक अनुमानों और पैरामीट्रिक अनुमानों (जो तालिका 2 में स्पष्ट सूत्रों से प्राप्त हुए) के बीच तुलना निरंतरता दर्शाती है, जिसमें पैरामीट्रिक कॉन्फिडेंस इंटरवल आम तौर पर संकीर्ण होते हैं।

महत्व और दावे
शोध पत्र का दावा है कि यह सामान्यीकृत स्केल-इनवेरिएंट सूचकांकों के एक विस्तृत परिवार के लिए एक एकीकृत अनुमान ढांचे को प्रदान करता है। गामा वितरण के विशिष्ट अपघटन गुणों का लाभ उठाकर, लेखक एक सरल, विश्लेषणात्मक रूप से सुलभ और निष्पक्ष अनुमानकर्ता प्राप्त करते हैं जो विविध असमानता और परिवर्तनशीलता मापों पर एक साथ लागू होता है।

इसका महत्व निम्नलिखित में निहित है:

• सैद्धांतिक एकीकरण: विशिष्ट सूचकांकों के लिए अलग-अलग (ad-hoc) व्युत्पन्न के बजाय होमोजेनियस फलनों पर आधारित एक सामान्य सिद्धांत की ओर बढ़ना।
• व्यावहारिक उपयोगिता: उन आर्थिक और विश्वसनीयता संदर्भों में इन सूचकांकों के अनुमान के लिए एक विश्वसनीय विधि प्रदान करना जहाँ गामा वितरण प्रचलित है।
• अनुभवजन्य सत्यापन: सिमुलेशन और वास्तविक दुनिया के GDP डेटा के माध्यम से यह प्रदर्शित करना कि अनुमानकर्ता अच्छा प्रदर्शन करता है, जिससे अमेरिका में आर्थिक असमानता के विश्लेषण के लिए एक उपकरण मिलता है, जहाँ एक ही ढांचे के भीतर विभिन्न व्याख्याएँ उपलब्ध हैं।

लेखक निष्कर्ष निकालते हैं कि हालांकि वर्तमान कार्य गामा वितरण पर केंद्रित है, भविष्य के शोध इन एसिम्प्टोटिक गुणों और विचरण अनुमान तकनीकों को अन्य वितरण परिवारों तक विस्तारित कर सकते हैं।