तकनीकी सारांश: सीमांत क्षणों (Marginal Moments) की जानकारी का उपयोग करके कारण प्रभावों के केंद्रीय क्षणों (Central Moments) की पहचान और परिसीमन

समस्या विवरण

कारण अनुमान (Causal Inference) में, औसत कारण प्रभाव (Average Causal Effect - ACE) का आकलन करने से परे, व्यक्तिगत कारण प्रभावों (Individual Causal Effects - ICE) की विषमता का मूल्यांकन करना एक महत्वपूर्ण उद्देश्य है। जबकि ICE ($Y_1 - Y_0$) का वितरण, जो विषमता को दर्शाता है, और इसके केंद्रीय क्षणों (जैसे Fan and Park [2010], Post and Van Den Heuvel [2025]) को पहचानने या परिसीमित करने वाली मौजूदा विधियों के लिए संभावित परिणामों (Potential Outcomes - POs) के पूर्ण सीमांत वितरणों, $P(Y_1 < y)$ और $P(Y_0 < y)$ तक पहुँच की आवश्यकता होती है।

हालाँकि, कई अनुभवजन्य सेटिंग्स में, गोपनीयता प्रतिबंधों, गोपनीयता संबंधी कारणों, या केवल एकत्रित सारांश सांख्यिकी (Aggregated Summary Statistics) रिपोर्ट करने वाले ऐतिहासिक रूप से संचित अध्ययनों की प्रकृति के कारण, पूर्ण व्यक्तिगत-स्तर का डेटा या पूर्ण वितरण फलन उपलब्ध नहीं होते हैं। ऐसे मामलों में, केवल उपचार और नियंत्रण समूहों के सीमांत केंद्रीय क्षण (जैसे माध्य, प्रसरण, विषमता, कर्टोसिस) ही सुलभ होते हैं। यह शोध पत्र केवल संभावित परिणामों के सीमांत केंद्रीय क्षणों $\sigma^{(k)}_1$ और $\sigma^{(k)}_0$ का उपयोग करके, पूर्ण सीमांत वितरणों का अनुमान लगाए बिना, ICE के केंद्रीय क्षणों $\mu^{(m)}$ को पहचानने और परिसीमित करने की समस्या को संबोधित करता है।

कार्यप्रणाली (Methodology)

लेखक स्ट्रक्चरल कॉज़ल मॉडल्स (SCM) और संभावित परिणामों (Potential Outcomes) के ढांचे का उपयोग करते हैं। ICE के केंद्रीय क्षणों को $\mu^{(m)} = E[(Y_1 - Y_0 - E[Y_1 - Y_0])^m]$ के रूप में परिभाषित किया गया है। POs के सीमांत केंद्रीय क्षणों को $\sigma^{(k)}_x = E[(Y_x - E[Y_x])^k]$ के रूप में परिभाषित किया गया है, जहाँ $x \in \{0, 1\}$।

कार्यप्रणाली को दो प्राथमिक दृष्टिकोणों में विभाजित किया गया है:

1. स्वतंत्र प्रभाव विचलन (Independent Effect Deviation - IED) धारणा के तहत पहचान:
   यह शोध पत्र IED स्थिति के तहत पहचान की जांच करता है, जहाँ ICE आधारभूत परिणाम (Baseline Outcome) से स्वतंत्र होता है: $(Y_1 - Y_0) \perp\!\!\!\perp Y_0$। इस धारणा के तहत, लेखक पुनरावर्ती पहचान सूत्रों (Recursive Identification Formulas) को व्युत्पन्न करते हैं। विशेष रूप से, प्रमेय 1 (Theorem 1) दिखाता है कि यदि क्रम $m$ तक के सीमांत क्षण (विशिष्ट मध्यवर्ती क्रमों को छोड़कर) उपलब्ध हैं, तो ICE के $m$-वें केंद्रीय क्षण को पुनरावर्ती रूप से पहचाना जा सकता है। उल्लेखनीय रूप से, IED के तहत, प्रसरण ($\mu^{(2)}$) को POs के प्रसरण के अंतर ($\sigma^{(2)}_1 - \sigma^{(2)}_0$) के रूप में सरल तरीके से पहचाना जाता है, और उच्च-क्रम के क्षण जैसे विषमता (Skewness) और कर्टोसिस (Kurtosis) को भी पहचाना जा सकता है यदि उनके संबंधित सीमांत क्षण उपलब्ध हों।

2. IED के बिना परिसीमन (Bounding without IED):
   यह पहचानते हुए कि IED धारणा मजबूत है और अक्सर परीक्षण योग्य नहीं होती है, यह शोध पत्र स्वतंत्रता की धारणा रखे बिना केवल उपलब्ध सीमांत क्षणों $(\sigma^{(k)}_1, \sigma^{(k)}_0)$ का उपयोग करके $\mu^{(m)}$ के लिए तीक्ष्ण सीमाएँ (Sharp Bounds) व्युत्पन्न करता है।

   • प्रसरण ($\mu^{(2)}$): लेखक ICE और आधारभूत $Y_0$ के बीच सहसंबंध $\lambda$ का विश्लेषण करते हैं। वे $\sigma^{(2)}_1$ और $\sigma^{(2)}_0$ के आधार पर $\mu^{(2)}$ के लिए तीक्ष्ण सीमाएँ व्युत्पन्न करते हैं, यह दिखाते हुए कि प्रसरण $(\sqrt{\sigma^{(2)}_1} \pm \sqrt{\sigma^{(2)}_0})^2$ द्वारा सीमित है। वे आगे यह प्रदर्शित करते हैं कि उच्च-क्रम के क्षणों (जैसे विषमता या कर्टोसिस) को जानने से प्रसरण के लिए सीमा तब तक कड़ी नहीं होती जब तक कि विशिष्ट शर्तें पूरी न हों।
   • उच्च-क्रम के क्षण: यह शोध पत्र तीसरे ($\mu^{(3)}$) और चौथे ($\mu^{(4)}$) केंद्रीय क्षणों के लिए सीमाएँ प्रदान करता है। विषम क्षणों (Odd Moments) के लिए, यदि केवल निम्न-क्रम के सम क्षण (Even Moments) ज्ञात हैं, तो सीमाएँ अक्सर निरर्थक (अर्थात $(-\infty, \infty)$) होती हैं। हालाँकि, यदि $m$-वाँ क्षण POs का ज्ञात है, तो सम $m$ के लिए गैर-निरर्थक सीमाएँ प्राप्त की जा सकती हैं।
   • तीक्ष्णता (Sharpness): लेखक "तीक्ष्णता" को इस गुण के रूप में कड़ाई से परिभाषित करते हैं कि दिए गए क्षण सूचना के आधार पर कोई भी अधिक सख्त बंद अंतराल (Closed Interval) मौजूद नहीं है। वे (सप्लीमेंट्री मटेरियल में) प्रति-उदाहरण प्रदान करते हैं ताकि यह दिखाया जा सके कि जबकि कुछ सीमाएँ तीक्ष्ण हैं, विभिन्न क्षण बाधाओं (जैसे प्रसरण और कर्टोसिस दोनों को जानना) को मिलाने से हमेशा ICE क्षणों के लिए तीक्ष्ण सीमाएँ प्राप्त नहीं होती हैं, विशेष रूप से उच्च-क्रम के क्षणों के लिए।

मुख्य योगदान और परिणाम

1. IED के तहत पहचान के परिणाम:

   • यह शोध पत्र स्थापित करता है कि IED स्थिति के तहत, ICE के केंद्रीय क्षण, POs के सीमांत केंद्रीय क्षणों से पहचानने योग्य (Identifiable) होते हैं।
   • अनुcorollary 1 और 2: विशेष रूप से, ICE की विषमता (Skewness) और कर्टोसिस (Kurtosis) को पहचाना जा सकता है यदि उनके संबंधित सीमांत क्षण (तीसरा और चौथा) प्रसरण के साथ उपलब्ध हों।

2. केंद्रीय क्षणों के लिए तीक्ष्ण सीमाएँ (Sharp Bounds):

   • प्रसरण: प्रमेय 3 केवल $\sigma^{(2)}_1$ और $\sigma^{(2)}_0$ का उपयोग करके $\mu^{(2)}$ के लिए तीक्ष्ण सीमाएँ प्रदान करता है: $(\sqrt{\sigma^{(2)}_1} - \sqrt{\sigma^{(2)}_0})^2 \leq \mu^{(2)} \leq (\sqrt{\sigma^{(2)}_1} + \sqrt{\sigma^{(2)}_0})^2$।
   • उच्च क्षण: प्रमेय 16–18 इन परिणामों को अनिश्चित $m$ के लिए सामान्यीकृत करते हैं। सम $m$ के लिए, यदि $\sigma^{(m)}_1$ और $\sigma^{(m)}_0$ उपलब्ध हैं, तो तीक्ष्ण सीमाएँ व्युत्पन्न की जाती हैं। विषम $m$ के लिए, शोध पत्र दिखाता है कि एक निचला क्रम $k \leq m$ जानना आम तौर पर $\mu^{(m)}$ के लिए गैर-निरर्थक सीमाएँ प्रदान नहीं करता है (उन चरम मामलों को छोड़कर जहाँ निचले क्षण शून्य हैं)।
   • सीमाओं का प्रतिच्छेदन (Intersection of Bounds): शोध पत्र इस बात की जांच करता है कि क्या विभिन्न उपलब्ध क्षणों (जैसे $\sigma^{(2)}$ और $\sigma^{(4)}$ दोनों का उपयोग करके) से प्राप्त सीमाओं का प्रतिच्छेदन (Intersecting) अधिक सटीक परिणाम देता है। लेखक पाते हैं कि हालांकि यह अक्सर रेंज को कम करता है, लेकिन परिणामी सीमाएँ आम तौर पर तीक्ष्ण नहीं होती हैं (प्रमेय 7, 11, 15), सिवाय उन विशिष्ट मामलों के जिनमें प्रसरण और उच्च-क्रम के क्षण शामिल हैं।

3. अनुभवजन्य केस स्टडीज (Empirical Case Studies):
   लेखक अपने तरीकों को दो वास्तविक दुनिया के अध्ययनों पर लागू करते हैं जहाँ केवल सारांश सांख्यिकी रिपोर्ट की गई थी:

   • Moseley et al. [2002] (नी का आर्थ्रोस्कोपी/Knee Arthroscopy): रिपोर्ट किए गए माध्य (Mean) और मानक विचलन (Standard Deviation) का उपयोग करके, लेखक ICE के प्रसरण को सीमित करते हैं। वे पर्याप्त विषमता पाते हैं, जहाँ प्रसरण संभावित रूप से 19.36 से 806.56 के बीच हो सकता है। आधारभूत और ICE के बीच सकारात्मक सहसंबंध की धारणा के तहत, ऊपरी सीमा काफी बढ़ जाती है।
   • Špirtović et al. [2023] (एरोबिक्स प्रोग्राम): रिपोर्ट किए गए माध्य, SD, विषमता (Skewness) और कर्टोसिस (Kurtosis) का उपयोग करके, लेखक ICE के प्रसरण, विषमता और कर्टोसिस की सीमाएँ निर्धारित करते हैं। परिणामी सीमाएँ विस्तृत हैं, जो सीमित जानकारी के कारण मौलिक गैर-पहचान योग्यता (Non-identifiability) को दर्शाती हैं, लेकिन वे अभी भी वितरण के आकार (जैसे IED के तहत सकारात्मक विषमता) को चरित्रित करने की अनुमति देती हैं।

4. संख्यात्मक प्रयोग (Numerical Experiments):
   प्रस्तावित मोमेंट-आधारित सीमाओं की मोंटे कार्लो इंटीग्रेशन (MCI) एस्टिमेटर (जो पूर्ण सीमांत वितरणों को मानता है) के साथ तुलना करने वाले सिमुलेशन दिखाते हैं कि:

   • कुछ सेटिंग्स में, मोमेंट-आधारित सीमाएँ MCI सीमाओं के तुलनीय या यहाँ तक कि अधिक सटीक (Tighter) हो सकती हैं।
   • प्रस्तावित विधि परिमित-नमूना (Finite-sample) सेटिंग्स में मजबूत है, हालांकि छोटे नमूना आकार के साथ विश्वास अंतराल (Confidence Intervals) चौड़े हो जाते हैं।

महत्व और दावे

शोध पत्र दावा करता है कि इसके पहचान और परिसीमन परिणाम नवीन (Novel) हैं, क्योंकि केवल सीमांत केंद्रीय क्षणों का उपयोग करके ICE केंद्रीय क्षणों का मूल्यांकन करने की समस्या का पहले व्यवस्थित रूप से अध्ययन नहीं किया गया है।

• व्यावहारिक प्रासंगिकता: प्राथमिक महत्व इस बात में है कि यह उन अध्ययनों में विषमता विश्लेषण को सक्षम बनाता है जो पूर्ण डेटासेट के बजाय केवल सारांश सांख्यिकी (माध्य, प्रसरण, विषमता, कर्टोसिस) रिपोर्ट करते हैं। यह शोधकर्ताओं को ऐतिहासिक रूप से संचित अध्ययनों या गोपनीयता-प्रतिबंधित डेटा का पुन: विश्लेषण करने और उपचार प्रभाव विषमता की सीमा और संरचना का अनुमान लगाने की अनुमति देता है।
• सूचना की सीमाएँ: लेखक विनम्रतापूर्वक दावा करते हैं कि उनका कार्य स्पष्ट रूप से यह चरित्रित करता है कि "क्या सीखा जा सकता है और क्या नहीं सीखा जा सकता" केवल क्षण-आधारित जानकारी के तहत। वे प्रदर्शित करते हैं कि जबकि प्रसरण को अक्सर सार्थक रूप से सीमित किया जा सकता है, उच्च-क्रम की विशेषताएं (जैसे विषमता और कर्टोसिस) बिना मजबूत धारणाओं (जैसे IED) या पूर्ण वितरण ज्ञान के स्वाभाविक रूप से अनिर्धारित (Underdetermined) होती हैं।
• तीक्ष्णता (Sharpness): शोध पत्र इस बात पर जोर देता है कि जहाँ दावा किया गया है वहाँ व्युत्पन्न सीमाएँ तीक्षण हैं, जो विशिष्ट क्षण सूचना के दिए गए विशिष्ट अंतराल प्रदान करती हैं। हालाँकि, यह यह भी स्वीकार करता है कि कई उपलब्ध क्षणों के संयोजन के लिए, सीमाएँ तीक्ष्ण नहीं हैं, जो एकत्रित सांख्यिकी से निष्कर्ष निकालने की मौलिक सीमाओं को उजागर करती है।

लेखक निष्कर्ष निकालते हैं कि जबकि IED धारणा बिंदु पहचान (Point Identification) की अनुमति देती है, इसके बिना व्युत्पन्न सीमाएँ केवल सीमांत क्षण उपलब्ध होने पर उपचार प्रभाव विषमता में निहित अनिश्चितता के आवश्यक चरित्रण को प्रदान करती हैं। वे नोट करते हैं कि भविष्य के कार्य अतिरिक्त संरचनात्मक धारणाओं, जैसे कारण ग्राफ (Causal Graphs) या एकरूपता (Monotonicity) का उपयोग करके इन सीमाओं को और अधिक सटीक बनाने की खोज कर सकते हैं।