तकनीकी सारांश: आंशिक हस्तक्षेप के तहत उच्च-क्रम स्पिलओवर प्रभाव (Higher-order Spillover Effects)

समस्या विवरण

नेटवर्क परिवेश में कारण अनुमान (Causal inference) हस्तक्षेप (interference) के कारण जटिल हो जाता है, जहाँ एक इकाई का परिणाम अन्य इकाइयों के उपचार (treatments) पर निर्भर करता है। जबकि मौजूदा साहित्य अक्सर पड़ोस हस्तक्षेप धारणा (neighborhood interference assumption) (जो हस्तक्षेप को केवल प्रत्यक्ष पड़ोसियों तक सीमित करती है) या आंशिक हस्तक्षेप धारणा (partial interference assumption) (जो हस्तक्षेप को पूर्व-निर्धारित समूहों तक सीमित करती है) पर निर्भर करता है, इन दृष्टिकोणों की महत्वपूर्ण सीमाएँ हैं:

1. प्रतिबंधात्मक दायरा (Restrictive Scope): परिणाम प्रसार (जैसे रोग संचरण, सूचना प्रसार) से जुड़े परिदृश्यों में, हस्तक्षेप अक्सर प्रत्यक्ष पड़ोसियों से परे उच्च-क्रम नेटवर्क दूरियों तक विस्तृत होता है।
2. गलत विनिर्देश (Misspecification) के जोखिम: मानक विधियों के लिए एक एक्सपोज़र मैपिंग फंक्शन (exposure mapping function) निर्दिष्ट करने की आवश्यकता होती है (जो हस्तक्षेप सेट का एक सारांश है, जैसे कि उपचारित पड़ोसियों का अनुपात)। यदि हस्तक्षेप सेट या मैपिंग फंक्शन गलत तरीके से निर्दिष्ट किया गया है (उदाहरण के लिए, यह मान लेना कि केवल प्रथम-क्रम के पड़ोसी ही महत्वपूर्ण हैं जबकि द्वितीय-क्रम के प्रभाव मौजूद हैं, या निरंतर एक्सपोज़र के लिए बाइनरी प्रॉक्सी का उपयोग करना), तो अनुमानक (estimators) पक्षपाती (biased) हो जाते हैं।
3. उच्च-क्रम पृथक्करण का अभाव (Lack of Higher-Order Disentanglement): वर्तमान विधियाँ हस्तक्षेप तंत्र के बारे में मजबूत, संभावित रूप से गलत पैरामीट्रिक धारणाओं पर निर्भर किए बिना, विशिष्ट नेटवर्क दूरियों (जैसे प्रथम-क्रम बनाम द्वितीय-क्रम पड़ोसियों के बीच अंतर करना) से उत्पन्न होने वाले स्पिलओवर प्रभावों को अलग करने में संघर्ष करती हैं।

कार्यप्रणाली (Methodology)

1. सामान्यीकृत हस्तक्षेप धारणा (Generalized Interference Assumption)

लेखक एक सामान्यीकृत आंशिक हस्तक्षेप धारणा (Assumption 4) प्रस्तावित करते हैं। पारंपरिक धारणाओं के विपरीत, जो हस्तक्षेप को सीधे पड़ोसियों या पूरे समूहों तक सीमित करती हैं, यह ढांचा एक रूढ़िवादी हस्तक्षेप सेट $I_{ij}$ के भीतर इकाइयों के उपचारों पर एक इकाई के संभावित परिणाम के निर्भर होने की अनुमति देता है। महत्वपूर्ण रूप यह है कि यह दृष्टिकोण उपचार वेक्टर को एक स्केलर या निम्न-आयामी वेक्टर में कम करने के लिए किसी एक्सपोज़र मैपिंग फंक्शन $g(\cdot)$ को निर्दिष्ट करने की आवश्यकता नहीं रखता है। यह हस्तक्षेप के कार्यात्मक रूपों के गलत चयन से उत्पन्न होने वाले पूर्वाग्रह से बचाता है।

2. कारण अनुमानित (Causal Estimands): $h$-क्रम स्पिलओवर प्रभाव

यह शोध पत्र एक विशिष्ट नेटवर्क दूरी $h$ से स्पिलओवर प्रभावों को मापने के लिए नए कारण अनुमानित (causal estimands) को परिभाषित करता है।

• परिकल्पित आवंटन (Hypothetical Assignment): लेखक एक परिकल्पित बर्नौली उपचार आवंटन पेश करते हैं जहाँ:
  • $h$-क्रम के पड़ोस ($C^h_{ij}$) की इकाइयों को $\alpha_h$ प्रायिकता के साथ उपचार आवंटित किया जाता है।
  • शेष हस्तक्षेप सेट ($C_{i\setminus(j, C^h_{ij})}$) की इकाइयों को $\alpha$ प्रायिकता के साथ उपचार आवंटित किया जाता है।
• परिभाषा: $h$-क्रम स्पिलओवर प्रभाव, $SE^h(\alpha_h, \alpha'_h; a, \alpha)$, को जनसंख्या औसत संभावित परिणामों के अंतर के रूप में परिभाषित किया गया है जब व्यक्तिगत उपचार $a$ और शेष हस्तक्षेप सेट के आवंटन $\alpha$ को स्थिर रखते हुए, $h$-क्रम के पड़ोस के लिए आवंटन प्रायिकता $\alpha'_h$ से बदलकर $\alpha_h$ हो जाती है।

3. अनुमानक (Estimators)

इन प्रभावों का अनुमान लगाने के लिए, जो एक्सपोज़र मैपिंग फंक्शनों पर निर्भर नहीं हैं, लेखक दो-चरणीय यादृच्छिक डिज़ाइन (two-stage randomized design) के तहत तीन गैर-पैरामीट्रिक और अर्ध-पैरामीट्रिक अनुमानक विकसित करते हैं:

• हॉरविट्ज़-थॉम्पसन (HT) अनुमानक: प्रतिवर्ती प्रायिकता भार (inverse probability weights) का उपयोग करके देखे गए परिणामों का एक भारित औसत। यह निष्पक्ष (unbiased) है लेकिन अत्यधिक भार के कारण उच्च विचरण (variance) से ग्रस्त हो सकता है।
• हाजेक (Hajek) अनुमानक: एक अनुपात अनुमानक (सामान्यीकृत HT) जो भारित परिणामों के योग को भारित भार के योग से विभाजित करके विचरण को स्थिर करता है। यह सुसंगत (consistent) और स्पर्शोन्मुख रूप से निष्पक्ष (asymptotically unbiased) है।
• भारित न्यूनतम वर्ग (WLS) अनुमानक: एक प्रतिगमन-आधारित दृष्टिकोण जो परिणाम और परिकल्पित प्रायिकता $\alpha_h$ के बीच संबंध को मॉडल करता है (जैसे, एक रैखिक मार्जिनल स्ट्रक्चरल मॉडल)। यह चयन पूर्वाग्रह को ठीक करने के लिए HT भारों का उपयोग करता है लेकिन परिणाम संरचना को मॉडल करके दक्षता प्राप्त करता है।

4. गलत विनिर्देश का पूर्वाष विश्लेषण (Bias Analysis of Misspecification)

यह शोध पत्र उन अनुमानकों के लिए सैद्धांतिक पूर्वास सूत्र (प्रस्ताव 2 और कोरोलरी 1 और 2) व्युत्पन्न करता है जो गलत निर्दिष्ट हस्तक्षेप सेट या एक्सपोज़र मैपिंग फंक्शन पर निर्भर करते हैं।

• यह दर्शाता है कि एक गलत हस्तक्षेप सेट (जैसे, केवल प्रथम-क्रम के पड़ोसियों तक सीमित रहना जब हस्तक्षेप द्वितीय-क्रम का हो) या एक गलत मैपिंग फंक्शन का उपयोग करने से वास्तविक कारण प्रभाव के बजाय, वास्तविक संरचना के तहत संभावित परिणामों का एक भारित औसत प्राप्त होता है।
• विशेष रूप से, विभिन्न नेटवर्क दूरियों पर एक्सपोज़र मेट्रिक्स के बीच सहसंबंध के कारण, एक प्रतिगमन (OLS) में उच्च-क्रम पदों को छोड़ना 'ओमिटेड वेरिएबल बायस' (omitted variable bias) उत्पन्न करता है, जो अक्सर दो-चरणीय यादृच्छिक डिज़ाइन (सिम्पसन का विरोधाभास/Simpson's Paradox) के कारण बढ़ जाता है।

मुख्य परिणाम

सिमुलेशन अध्ययन

लेखकों ने चार परिदृश्यों (कोई हस्तक्षेप नहीं, प्रथम-क्रम, द्वितीय-क्रम, और इंटरेक्शन के साथ द्वितीय-क्रम) और विभिन्न नेटवर्क संरचनाओं (Erdős–Rényi और नियमित ग्राफ) में मोंटे कार्लो सिमुलेशन आयोजित किए।

• पूर्वाष (Bias): प्रस्तावित HT, Hajek, और WLS अनुमानक सभी परिदृश्यों में निष्पक्ष (unbiased) रहे, जिसमें उच्च-क्रम हस्तक्षेप और इंटरेक्शन भी शामिल थे। इसके विपरीत, प्रतिबंधात्मक हस्तक्षेप सेटों (जैसे, $OLS(G_1)$) या गलत निर्दिष्ट एक्सपोज़र मैपिंग पर निर्भर मानक OLS अनुमानकों ने महत्वपूर्ण पूर्वाष प्रदर्शित किया।
• विचरण (Variance): HT अनुमानक ने उच्चतम विचरण दिखाया, विशेष रूप से बड़े हस्तक्षेप सेटों के साथ। Hajek और WLS अनुमानकों ने कम विचरण प्रदर्शित किया, जिसमें WLS आम तौर पर सबसे कुशल था क्योंकि यह पैरामीट्रिक स्मूथिंग का उपयोग करता है, बशर्ते कि मॉडल विनिर्देश उचित हो।
• नेटवर्क घनत्व (Network Density): Hajek अनुमानक का विचरण नेटवर्क घनत्व ($p$) के प्रति संवेदनशील था। प्रथम-क्रम प्रभावों के लिए, घनत्व के साथ विचरण बढ़ा; द्वितीय-क्रम प्रभावों के लिए, विचरण मध्यम घनत्व पर चरम पर था और नेटवर्क संतृप्त होने पर कम हो गया।

अनुभवजन्य अनुप्रयोग: होंडुरास मातृ एवं बाल स्वास्थ्य परीक्षण

इन विधियों को होंडुरास में 176 गाँवों में शामिल एक दो-चरणीय यादृच्छिक परीक्षण में लागू किया गया।

• प्रथम-क्रम स्पिलओवर: उपचारित व्यक्तियों के लिए, प्रथम-क्रम स्पिलओवर प्रभाव एक उल्टा U-आकार (inverted U-shape) का पालन करता है, जो मध्यम उपचार संतृप्ति ($\alpha \approx 0.5$) पर चरम पर होता है और उच्च संतृप्ति पर घटता है (जो सूचना संतृप्ति का सुझाव देता है)। अनुपचारित व्यक्तियों में नगण्य स्पिलओवर प्रभाव देखा गया।
• द्वितीय-क्रम स्पिलओवर: द्वितीय-क्रम प्रभाव तब सबसे मजबूत थे जब उपचार दुर्लभ (कम $\alpha$) था और जैसे-जैसे उपचार प्रचलित हुआ, वे कम होते गए, जो एक प्रतिस्थापन तंत्र (substitution mechanism) का सुझाव देते हैं जहाँ प्रत्यक्ष पड़ोसी सूचना अंतराल को भरते हैं।
• विषमता (Heterogeneity): उपचारित व्यक्तियों को अनुपचारित व्यक्तियों की तुलना में सहकर्मी स्पिलओवर (peer spillovers) से काफी अधिक लाभ हुआ, जिसका श्रेय उच्च अवशोषण क्षमता और आधारभूत तैयारी को दिया गया।

महत्व और दावे

यह शोध पत्र दावा करता है कि यह हस्तक्षेप तंत्र के बारे में प्रतिबंधात्मक धारणाओं या एक्सपोज़र के विशिष्ट कार्यात्मक रूप पर निर्भर किए बिना उच्च-क्रम स्पिलओवर प्रभावों का अनुमान लगाने के लिए एक मजबूत ढांचा प्रदान करता है।

• गलत विनिर्देश के प्रति मजबूती (Robustness to Misspecification): एक्सपोज़र मैपिंग फंक्शनों से बचकर, प्रस्तावित अनुमानक उस पूर्वास से बचते हैं जो "नाइव" (naive) दृष्टिकोणों में निहित होता है जो हस्तक्षेप के दायरे या तंत्र को गलत तरीके से निर्दिष्ट करते हैं।
• लचीलापन (Flexibility): यह ढांचा शोधकर्ताओं को एक रूढ़िवादी हस्तक्षेप सेट (जैसे, परिमित पथों के माध्यम से पहुँचने योग्य सभी इकाइयाँ) को परिभाषित करने की अनुमति देता है और फिर भी विशिष्ट नेटवर्क दूरियों पर सुव्यवस्थित कारण प्रभावों का अनुमान लगा सकता है।
• व्यावहारिक उपयोगिता (Practical Utility): अनुभवजन्य अनुप्रयोग यह प्रदर्शित करता है कि उच्च-क्रम हस्तक्षेप को अनदेखा करना या प्रतिबंधात्मक धारणाओं का उपयोग करना जटिल पैटर्न को छिपा सकता है, जैसे कि उपचार संतृप्ति और स्पिलओवर परिमाण के बीच गैर-एकल (non-monotonic) संबंध।
• समझौता (Trade-off): लेखक स्वीकार करते हैं कि जबकि उनका रूढ़िवादी दृष्टिकोण मजबूती सुनिश्चित करता है, यह सही रूप से निर्दिष्ट हस्तक्षेप संरचना के मुकाबले दक्षता (व्यापक विश्वास अंतराल) की कीमत पर हो सकता है। वे इस दृष्टिकोण की सिफारिश तब करते हैं जब सामाजिक प्रक्रियाओं की जटिलता एक प्रतिबंधात्मक एक्सपोज़र मैपिंग के प्रति प्रतिबद्ध होना अनुचित बनाती है।