Bayesian Optimal Sample Design for Surveys with Heteroscedasticity

तकनीकी सारांश: विषमप्रसरणशीलता (Heteroscedasticity) वाले सर्वेक्षणों के लिए बेयसियन इष्टतम नमूना डिजाइन

समस्या विवरण
सर्वेक्षण सांख्यिकीविदों ने लंबे समय से अनुकूलतम नमूना आवंटन रणनीतियों की खोज की है, जिसका उद्देश्य लागत या नमूना आकार की बाधाओं के अधीन, एक परिमित जनसंख्या कुल (finite population total) के जैसे उद्देश्यों के विचरण (variance) को कम करना है। नेयमैन (1934) से शुरू हुआ और कोचरन (1977) द्वारा विस्तारित पारंपरिक इष्टतम आवंटन सिद्धांत आमतौर पर यह मान लेता है कि डिजाइन पैरामीटर (जैसे, स्तरों के विचरण) ज्ञात होते हैं। व्यवहार में, ये पैरामीटर अज्ञात होते हैं और इन्हें पूर्व सर्वेक्षणों या पायलट डेटा से अनुमानित किया जाना चाहिए। अभ्यासी अक्सर इन अनुमानों को सीधे आवंटन सूत्रों में प्रतिस्थापित करने के लिए 'प्लग-इन दृष्टिकोण' का उपयोग करते हैं, जो इस तथ्य की अनदेखी करता है कि अनुमानों में अनिश्चितता निहित है और इससे नमूना दक्षता से समझौता हो सकता है।

प्रायोगिक डिजाइन के लिए बेयसियन निर्णय सिद्धांत (Bayesian decision theory) का उपयोग भविष्य कहनेवाला वितरण (predictive distributions) पर औसत निकालकर इस प्रतिस्थापन की समस्या से बचने के लिए एक ढांचा प्रदान करता है, लेकिन इस दृष्टिकोण का अध्ययन 1960 के दशक के मध्य से 1980 के दशक की शुरुआत तक व्यापक रूप से किया गया था और उसके बाद इसे अनदेखा कर दिया गया। इस प्रारंभिक बेयसियन कार्य की एक महत्वपूर्ण सीमा यह है कि इसने आम तौर पर विषमप्रसरणशील त्रुटि संरचनाओं (heteroscedastic error structures) को समाहित नहीं किया, जो अनुपात अनुमान मॉडल (ratio estimation models) और स्थापना सर्वेक्षणों (establishment surveys) में मौलिक हैं जहाँ विचरण अक्सर इकाई के आकार के साथ बढ़ता है।

कार्यप्रणाली
लेखक विषमप्रसरणशीलता वाले जनसंख्याओं के भीतर स्तरीकृत यादृच्छिक नमूनाकरण (STSRS) के लिए एक बेयसियन इष्टतम नमूना आवंटन दृष्टिकोण प्रस्तावित करते हैं। यह कार्यप्रणाली बेयसियन निर्णय सिद्धांत (लिंडले 1972) और परिमित जनसंख्या अनुमान (एरिक्सन 1969a) पर आधारित है।

1. मॉडल विनिर्देश: लेखक एक यूनिवेरिएट रिग्रेशन मॉडल मानते हैं जहाँ स्तरों के माध्य (means) और विचरण (variances) एक ज्ञात सहायक चर $X$ के फलन हैं। विशेष रूप से, स्तर $h$ के लिए, परिणाम $Y_{hi}$ निम्नलिखित है:
   $$Y_{hi} = \alpha_h X_{hi} + \epsilon_{hi}, \quad \epsilon_{hi} \sim N(0, v_h X_{hi}^b)$$
   यहाँ $\alpha_h$ और $v_h$ अज्ञात पैरामीटर हैं, और $b \geq 0$ विषमप्रसरणशीलता का एक ज्ञात गुणांक है। लेखक पैरामीटरों पर एक गैर-सूचनात्मक प्रायर (non-informative prior) मानते हैं और मुख्य अध्ययन के डिजाइन को सूचित करने के लिए एक पायलट डेटासेट ($D_1$) का उपयोग करते हैं।

2. निर्णय सैद्धांतिक ढांचा: उद्देश्य स्क्वेयर्ड एरर लॉस फंक्शन के तहत परिमित जनसंख्या माध्य के अपेक्षित पश्चवर्ती विचरण (expected posterior variance) को न्यूनतम करना है। लिंडले के ढांचे का अनुसरण करते हुए, इसमें दो चरणों की प्रक्रिया शामिल है:

   • टर्मिनल विश्लेषण: मुख्य अध्ययन डेटा के दिए गए पश्चवर्ती वितरण (posterior distribution) को प्राप्त करना।
   • प्रीपोस्टेरियर विश्लेषण: मुख्य अध्ययन के भविष्य कहनेवाला वितरण (पायलट डेटा पर आधारित) पर पश्चवर्ती हानि (posterior loss) का औसत निकालना ताकि अपेक्षित पश्चवर्ती हानि प्राप्त की जा सके।

3. विश्लेणात्मक व्युत्पत्ति: लेखक एक प्रथम-क्रम टेलर श्रृंखला सन्निकटन (first-order Taylor series approximation) का उपयोग करके अपेक्षित पश्चवर्ती विचरण (समीकरण 13) के लिए एक अनुमानित विश्लेعي अभिव्यक्ति व्युत्पन्न करते हैं। यह अभिव्यक्ति ज्ञात जनसंख्या मात्राओं, पायलट नमूने और प्रस्तावित मुख्य अध्ययन नमूना आवंटन $\{n_h\}$ पर निर्भर करती है। एक सटीक परिणाम भी प्रदान किया गया है जिसके लिए मोंटे कार्लो (MC) एकीकरण की आवश्यकता होती है।

4. अनुकूलन (Optimization): इष्टतम आवंटन को निर्धारित करने के लिए व्युत्पन्न अपेक्षित पश्चवर्ती हानि को बाधाओं (जैसे, कुल लागत या नमूना आकार, और न्यूनतम स्तर नमूना आकार $n_h \geq 4$) के अधीन न्यूनतम किया जाता है। इस समस्या को हल करने के लिए मानक उत्तल अनुकूलन (convex optimization) विधियों का उपयोग किया जाता है।

प्रमुख योगदान

• बेयियन डिजाइन का विस्तार: यह शोध पत्र विषमप्रसरणशील त्रुटि संरचनाओं को समाहित करके बेयियन साहित्य के अंतराल को संबोधित करता है, जो स्थापना सर्वेक्षणों और अनुपात अनुमान में एक सामान्य विशेषता है, जिसे पिछले बेयियन डिजाइनों (जैसे, ड्रेपर और गुट्टमैन 1968b) ने संभालने में विफल रहे थे।
• पैरामीटर अनिश्चितता का प्रबंधन: प्लग-इन दृष्टिकोणों के विपरीत, जो अज्ञात वियार के लिए बिंदु अनुमानों (point estimates) को प्रतिस्थापित करते हैं, प्रस्तावित विधि पायलट डेटा का उपयोग करके डिजाइन मापदंडों की अनिश्चितता को एकीकृत करती है, जिससे प्रतिस्थापन से जुड़ी दक्षता हानि से बचा जा सके।
• विश्लेणात्मक और कम्प्यूटेशनल समाधान: लेखक अपेक्षित पश्चवर्ती हानि के लिए एक बंद-रूप (closed-form) सन्निकटन प्रदान करते हैं, जो कुशल अनुकूलन की सुविधा देता है, साथ ही एक मोंटे कार्लो विकल्प भी बताते हैं जहाँ सन्निकटन अपर्याप्त हो सकता है।

परिणाम
लेखकों ने 90 कृत्रिम रूप से उत्पन्न जनसंख्याओं और सार्वजनिक धर्मार्थ संस्थाओं के लिए IRS फॉर्म 990 डेटा के वास्तविक अनुप्रयोग का उपयोग करके प्रस्तावित बेयियन रणनीति (B-P) का कई विकल्पों के विरुद्ध मूल्यांकन किया।

• सिमुलेशन निष्कर्ष:

  • डिजाइन-आधारित विधियों के साथ तुलना: B-P रणनीति ने शुद्ध रूप से डिजाइन-आधारित नेयमैन आवंटन (N-HT) को लगातार पछाड़ दिया, जिसने सहायक जानकारी का उपयोग नहीं किया था। N-HT का सापेक्ष रूट मीन स्क्वायर एरर (RMSE) B-P की तुलना में 11% से 175% अधिक था, जिसमें सबसे बड़े लाभ उच्च सहसंबंध और उच्च विषमप्रसरणशीलता वाली जनसंख्याओं में देखे गए।
  • मॉडल-सहायता प्राप्त विधियों के साथ तुलना: B-P, कोचरन प्लग-इन सेपरेट रेशियो एस्टिमेटर (C-SR) के बराबर या उससे बेहतर प्रदर्शन करता है। B-P ने उच्च विषमता (skewness) और अत्यधिक विषमप्रसरणशीलता (जैसे, $b=2$) वाली जनसंख्याओं में उल्लेखनीय लाभ दिखाया, जहाँ C-SR ने उच्च RMSE वृद्धि (विशिष्ट परिदृश्यों में 29% तक) प्रदर्शित की।
  • स्थिरता: अत्यधिक विषम जनसंख्याओं में, C-SR की तुलना में बार-बार पायलट नमूनाकरण के दौरान B-P ने अधिक स्थिर नमूना आवंटन उत्पन्न किए।
  • नियम-आधारित रणनीतियाँ: निश्चित नियमों (जैसे, $n_h \propto N_h \bar{X}_h$) पर निर्भर रणनीतियाँ B-P और C-SR की तुलना में काफी खराब प्रदर्शन करती थीं जब अंतर्निहित विषमप्रसरणशीलता नियम की धारणा से मेल नहीं खाती थी।
  • मिसस्पेसिफिकेशन (Misspecification) के प्रति संवेदनशीलता: B-P रणनीति अत्यधिक विषम आकार मापों और कम वास्तविक $b$ मान वाली जनसंख्याओं में विषमप्रसरणशीलता गुणांक $b$ के मिसस्पेसिफिकेशन के प्रति संवेदनशील थी। हालांकि, कई अन्य जनसंख्याओं के लिए, रणनीति मिसस्पेसिफिकेशन के प्रति अपेक्षाकृत असंवेदनशील थी।

• वास्तविक दुनिया का अनुप्रयोग:

  • सार्वजनिक धर्मार्थ राजस्व के विश्लेषण में, B-P रणनीति ने N-HT की तुलना में काफी कम RMSE प्राप्त किया।
  • जब डेटा के मूल पैमाने पर लागू किया गया (जहाँ नॉर्मलिटी धारणा एक खराब फिट थी), तब भी B-P ने N-HT को पछाड़ दिया, हालांकि C-SR पर इसका अंतर कम हो गया। यह सुझाव देता है कि मॉडल की धारणाएं अपूर्ण होने पर भी यह मजबूत है।

महत्व और दावे
यह शोध पत्र एक कठोर, लचीला ढांचा प्रदान करने का दावा करता है जो डिजाइन मापदंडों की अनिश्चितता और विषमप्रसरणशीलता को स्पष्ट रूप से संबोधित करता है। लेखक अपने कार्य को बेयियन डिजाइन के पुनरुद्धार और आधुनिकीकरण के रूप में देखते हैं, जो 1960-1980 के साहित्य की विश्लेषणात्मक सीमाओं को पार करने के लिए समकालीन कंप्यूटिंग का लाभ उठाता है।

लेखक विनम्रतापूर्वक नोट करते हैं कि जबकि उनकी विधि अनुमानित मॉडल और वास्तविक दुनिया के अनुप्रयोगों में अच्छा प्रदर्शन करती है, कुछ वास्तविक-डेटा परिदृश्यों में B-P और मॉडल-सहायता प्राप्त विकल्पों (जैसे, C-SR) के बीच का अंतर छोटा हो सकता है। वे इस बात पर जोर देते हैं कि प्रस्तावित दृष्टिकोण "कैलिब्रेटेड बेयस" प्रतिमान का पालन करता है, जो डिजाइन के लिए बेयियन विधियों का उपयोग करता है लेकिन प्रदर्शन का मूल्यांकन आवृत्तिवादी (frequentist) मेट्रिक्स (बायस, RMSE, कवरेज) के माध्यम से करता है। शोध पत्र निष्कर्ष निकालता है कि हालांकि यह विधि प्रभावी है, भविष्य के कार्यों में बहुभिन्नरूपी मॉडल (multivariate models), विभिन्न त्रुटि वितरणों, और उन परिदृश्यों को संबोधित करने की आवश्यकता है जहाँ विषमप्रसरणशीलता गुणांक $b$ अज्ञात है या बहुत छोटे नमूनों से अनुमानित किया जाना है।