A Spatial Fay-Herriot Model when the Auxiliary Variables are based on Non-traditional Data

तकनीकी सारांश: गैर-पारंपरिक डेटा में मापन त्रुटि के साथ एक स्थानिक फे-हेरियट मॉडल

1. समस्या विवरण

जब प्रत्यक्ष सर्वेक्षण अनुमान (direct survey estimates) छोटे नमूना आकार के कारण अविश्वसनीय होते हैं, तो उप-राष्ट्रीय सांख्यिकी उत्पन्न करने के लिए लघु क्षेत्र अनुमान (Small Area Estimation - SAE) आवश्यक होता है। पारंपरिक रूप से, SAE मॉडल, जैसे कि फे-हेरियट (FH) मॉडल, परिशुद्धता (precision) में सुधार के लिए सहायक चरों (auxiliary variables/covariates) पर निर्भर करते हैं। हालाँकि, "बिग डेटा" स्रोतों (जैसे वेब-स्क्रेप्ड डेटा, सोशल मीडिया, मोबिलिटी ट्रेसेस) को सहायक चरों के रूप में एकीकृत करने से एक महत्वपूर्ण चुनौती उत्पन्न होती है: इन गैर-पारंपरिक डेटा स्रोतों में अक्सर मापन त्रुटि (measurement error) होती है।

मानक क्षेत्र-स्तरीय दृष्टिकोण, जिनमें पारंपरिक FH मॉडल और उनके स्थानिक विस्तार शामिल हैं, आमतौर पर यह मान लेते हैं कि सहचरों (covariates) को बिना किसी त्रुटि के मापा गया है। जब इस धारणा का उल्लंघन होता है, तो मापन त्रुटि को अनदेखा करना पक्षपाती अनुमानों (biased estimates) और अमान्य निष्कर्षों की ओर ले जा सकता है। जबकि पिछले साहित्य ने मापन त्रुटि (जैसे यबरा और लोहर, 2008) और स्थानिक निर्भरता (जैसे प्रेटेसी और साल्वाटी, 2008) को अलग-अलग संबोधित किया है, बिग डेटा से जुड़े व्यावहारिक अनुप्रयोगों में अक्सर इन दोनों को एक साथ संभालने की आवश्यकता होती है। मौजूदा विधियाँ जो मापन त्रुटि को ध्यान में रखती हैं वे स्थानिक सहसंबंध (spatial correlation) को अनदेखा करती हैं, जबकि स्थानिक मॉडल अक्सर त्रुटि-रहित सहचरों की धारणा पर आधारित होते हैं। यह अंतराल एक एकीकृत ढांचे के विकास को प्रेरित करता है जो सहचर मापन त्रुटि और क्षेत्रों के बीच स्थानिक निर्भरता दोनों को एक साथ संबोधित करता है।

2. कार्यप्रणाली

लेखक एक स्थानिक मापन त्रुटि फे-हेरियट मॉडल (Spatial Measurement Error Fay-Herriot Model) प्रस्तावित करते हैं जो रैंडम इफेक्ट्स के लिए एक सिमुल्टेनियस ऑटोरेग्रेसिव (SAR) प्रक्रिया को शामिल करके यबरा और लोहर (2008) के ढांचे का विस्तार करता है।

मॉडल सूत्रीकरण:
माना कि $\hat{y}_d$ क्षेत्र $d$ के लिए प्रत्यक्ष सर्वेक्षण अनुमानक है, और $\hat{x}_d$ प्रेक्षित सहचर वेक्टर है (जो वास्तविक सहचर $x_d$ का एक अनुमानक है)। मॉडल को इस प्रकार परिभाषित किया गया है:
$$\hat{y}_d = \hat{x}_d \beta + (x_d - \hat{x}_d)\beta + z_d v + s_d$$
जहाँ:

• $\hat{x}_d \beta$ प्रेक्षित सहचरों का उपयोग करके प्रतिगमन (regression) घटक का प्रतिनिधित्व करता है।
• $(x_d - \hat{x}_d)\beta$ मापन त्रुटि घटक का प्रतिनिधित्व करता है, जहाँ त्रुटि $u_d = x_d - \hat{x}_d$ को $N(0, C_d)$ का पालन करने वाला माना जाता है।
• $z_d v$ स्थानिक रैंडम इफेक्ट्स का प्रतिनिधित्व करता है, जहाँ $v \sim N(0, G)$। सहप्रसरण मैट्रिक्स (covariance matrix) $G$ एक SAR(1) प्रक्रिया से प्राप्त होता है: $G = \sigma^2_v ((I - \rho W)(I - \rho W^T))^{-1}$, जहाँ $W$ निकटता मैट्रिक्स (proximity matrix) है और $\rho$ स्थानिक ऑटोकोरिलेशन पैरामीटर है।
• $s_d$ सैंपलिंग त्रुटि है, जिसे $N(0, \sigma^2_s)$ माना गया है।

प्रतिक्रिया का कुल प्रसरण (total variance) $V = R + ZGZ^T + C_\beta$ है, जहाँ $C_\beta = \text{diag}(\beta^T C_d \beta)$ सहचरों में मापन त्रुटि द्वारा उत्पन्न अतिरिक्त अनिश्चितता को दर्शाता है।

अनुमान (Estimation):

• पैरामीटर अनुमान: मानक FH मॉडल के विपरीत, जहाँ $\beta$ के लिए सामान्यीकृत न्यूनतम वर्ग (GLS) अनुमानक क्लोज्ड फॉर्म में उपलब्ध होता है, मापन त्रुटि की उपस्थिति के कारण सहप्रसरण मैट्रिक्स $V$, $\beta$ पर निर्भर करता है। इसके परिणामस्वरूप, लेखक लॉग-लाइक्लीहुड (log-likelihood) और $\beta, \sigma^2_v,$ और $\rho$ के सापेक्ष इसके डेरिवेटिव्स को प्राप्त करते हैं। वे अधिकतम संभावना (Maximum Likelihood - ML) अनुमानकों को पुनरावृत्ति (iteratively) से हल करने के लिए एक फिशर स्कोरिंग एल्गोरिदम (Fisher scoring algorithm) प्रस्तावित करते हैं, क्योंकि क्लोज्ड-फॉर्म समाधान उपलब्ध नहीं हैं।
• अनुमानक (Predictor): एम्पिरिकल बेस्ट लीनियर अनबायस्ड प्रेडिक्टर (EBLUP) को प्रत्यक्ष अनुमानक और सिंथेटिक प्रेडिक्टर के एक कॉनवेक्स कॉम्बिनेशन के रूप में प्राप्त किया जाता है, जिसे स्थानिक सहप्रसरण संरचना और मापन त्रुटि प्रसरण के लिए समायोजित किया गया है।
• MSE अनुमान: ML अनुमानकों की जटिलता (क्लोज्ड फॉर्म का अभाव) के कारण, विश्लेषणात्मक MSE सन्निकटन (approximations) कठिन हैं। लेखक EBLUP के माध्य वर्ग त्रुटि (Mean Squared Error - MSE) का अनुमान लगाने के लिए एक पैरामीट्रिक बूटस्ट्रैप प्रक्रिया प्रस्तावित करते हैं।

3. मुख्य योगदान

1. एकीकृत ढांचा: यह शोध पत्र एक स्थानिक फे-हेरियट मॉडल विकसित करता है जो सहचर मापन त्रुटि और क्षेत्रों के बीच स्थानिक निर्भरता को एक साथ संभालता है, जो उस अंतराल को भरता है जहाँ इन मुद्दों को पहले अलग-अलग माना जाता था।
2. सैद्धांतिक व्युत्पत्ति: लेखक प्रस्तावित मॉडल के गुणों को प्राप्त करते हैं, जिसमें EBLUP का स्पष्ट रूप, लॉग-लाइक्लीहुड फंक्शन और स्कोर समीकरण शामिल हैं। वे प्रदर्शित करते हैं कि मापन त्रुटि शब्द एक प्रसरण सुधार घटक ($C_\beta$) पेश करता है जो स्थानिक सहप्रसरण संरचना के साथ अंतःक्रिया करता है।
3. अनुमान एल्गोरिदम: पैरामीटर अनुमान के लिए एक फिशर स्कोरिंग एल्गोरिदम की रूपरेखा दी गई है, यह स्वीकार करते हुए कि $\beta$ पर सहप्रसरण मैट्रिक्स की निर्भरता मानक GLS समाधानों को बाधित करती है।
4. बूटस्ट्रैप MSE: गैर-रेखीय ML अनुमानकों की उपस्थिति में, गैर-रेखीयता से बचने और सटीक MSE अनुमान के लिए एक पैरामीट्रिक बूटस्ट्रैप प्रक्रिया प्रदान की गई है।

4. परिणाम

सिमुलेशन अध्ययन:
लेखकों ने चार मॉडलों की तुलना करते हुए एक सिमुलेशन अध्ययन किया: पारंपरिक FH (EBLUP), स्थानिक FH (SEBLUP), यबरा-लोहर FH (EBLUP-YL), और प्रस्तावित स्थानिक मापन त्रुटि FH (SEBLUP-ME)।

• कोई मापन त्रुटि नहीं: जब सहचर त्रुटि-रहित थे, तो प्रस्तावित SEBLUP-ME ने मानक स्थानिक और गैर-स्थानिक मॉडलों के समान प्रदर्शन किया, जिससे पुष्टि हुई कि अनावश्यक होने पर अतिरिक्त जटिलता दक्षता में हानि नहीं पहुँचाती है।
• शास्त्रीय मापन त्रुटि: शून्य-माध्य मापन त्रुटि के तहत, त्रुटि को अनदेखा करने वाले मॉडल (EBLUP, SEBLUP) बढ़े हुए पक्षपात (bias) और RRMSE को दर्शाते हैं। SEBLUP-ME और EBLUP-YL समान रूप से अच्छा प्रदर्शन करते हैं, जहाँ स्थानिक उधार (spatial borrowing) मामूली अतिरिक्त लाभ प्रदान करता है।
• व्यवस्थित मापन त्रुटि (Systematic Measurement Error): गैर-शून्य-माध्य (व्यवस्थित) त्रुटि की उपस्थिति में, जो बिग डेटा में सामान्य पूर्वाग्रहों की नकल करती है, SEBLвP-ME ने सभी प्रतिस्पर्धियों को पछाड़ दिया। इसने सबसे कम एब्सोल्यूट रिलेटिव बायस (ARB) प्राप्त किया और RRMSE को स्वीकार्य सीमाओं के भीतर बनाए रखा। स्थानिक घटक ने पड़ोसी क्षेत्रों से शक्ति उधार लेकर अनुमानों को स्थिर करने में मदद की, जिससे स्थानीय सहचरों में व्यवस्थित पूर्वाग्रह की आंशिक रूप से भरपाई हुई।

अनुप्रयोग:
इस मॉडल को स्पेन (NUTS-2 स्तर) में जलवायु परिवर्तन के प्रति क्षेत्रीय दृष्टिकोण का अनुमान लगाने के लिए यूरोपीय सोशल सर्वे (ESS) और वेब-स्क्रेप्ड Booking.com स्थिरता संकेतकों के डेटा का उपयोग करके लागू किया गया।

• Booking.com डेटा सहायक चरों के रूप में कार्य करता था लेकिन यह अस्थायी अस्थिरता और संग्रह त्रुटियों के अधीन था।
• SEBLUP-ME ने क्षेत्रीय अनुमान उत्पन्न किए जिनका RRMSE मान सभी क्षेत्रों के लिए 16.5% की सीमा के भीतर रहा, जबकि कई क्षेत्रों के लिए प्रत्यक्ष अनुमान इस सीमा से अधिक थे।
• डायग्नोस्टिक अनुपात दर्शाते हैं कि SEBLUP-ME के पूर्वानुमान डिजाइन-अनबायस्ड प्रत्यक्ष अनुमानों के करीब थे, जो यह सुझाव देता है कि मॉडल ने शोर वाले सहचर डेटा के मामले में अविश्वसनीय सिंथेटिक घटकों को उचित रूप से कम भार (down-weight) दिया।
• परिणामों ने महत्वपूर्ण भौगोलिक विषमता को प्रकट किया, जिसमें मध्य स्पेन की तुलना में परिधीय (peripheral) क्षेत्रों में जलवायु परिवर्तन के प्रति अधिक चिंता देखी गई।

5. महत्व और दावे

यह शोध पत्र दावा करता है कि प्रस्तावित SEBLUP-ME बिग डेटा के युग में लघु क्षेत्र अनुमान (SAE) के लिए एक मजबूत समाधान प्रदान करता है। इसका प्राथमिक महत्व इसकी क्षमता में निहित है:

• पक्षपात को कम करना (Mitigate Bias): सहायक चरों में व्यवस्थित मापन त्रुटियों को प्रभावी ढंग से संभालना, जो गैर-संभाव्यता बिग डेटा स्रोतों के लिए एक सामान्य समस्या है, जिसे मानक स्थानिक मॉडल संबोधित करने में विफल रहते हैं।
• दक्षता बनाए रखना (Maintain Efficiency): मापन त्रुटि की अनुपस्थिति में दक्षता हानि से बचना, यह सुनिश्चित करना कि यह विधि सामान्य उपयोग के लिए एक सुरक्षित विस्तार है।
• स्थानिक संरचना का लाभ उठाना (Leverage Spatial Structure): स्थानिक सहसंबंध का उपयोग करके भविष्यवाणियों को स्थिर करना जब स्थानीय सहचर जानकारी व्यवस्थित पूर्वाग्रह से प्रभावित हो।

लेखक विनम्रतापूर्वक सीमाओं को नोट करते हैं, विशेष रूप से यह कि मापन त्रुटि सहप्रसरण मैट्रिक्स ($C_d$) को ज्ञात माना गया है (हालांकि व्यवहार में इन्हें अनुमानित किया जाना चाहिए) और वर्तमान में मॉडल एक SAR(1) विनिर्देश पर निर्भर है। वे निष्कर्ष निकालते हैं कि जबकि विश्लेषणात्मक MSE सन्निकटन अभी भी एक सैद्धांतिक चुनौती बनी हुई है, प्रस्तावित पैरामीट्रिक बूटस्ट्रैप आधिकारिक सांख्यिकी में गैर-पारंपरिक डेटा को एकीकृत करने वाले चिकित्सकों के लिए एक व्यावहारिक और प्रभावी उपकरण प्रदान करता है।