A Unified Bayesian Model for Voter Turnout Estimation: Combining Surveys, Aggregate Data, and Selection Correction

द ग्रेट वोटर गेसिंग गेम (The Great Voter Guessing Game)

कल्पना कीजिए कि आप यह पता लगाने की कोशिश कर रहे हैं कि एक विशाल, गुप्त पार्टी में वास्तव में कौन आने वाला है। आप हर किसी से सीधे नहीं पूछ सकते क्योंकि ज्यादातर लोग दरवाजा नहीं खोलेंगे, और जो कुछ लोग खोलते भी हैं, वे झूठ बोल सकते हैं कि वे आने के लिए बहुत उत्साहित हैं, भले ही वे घर पर ही रहने की योजना बना रहे हों। यह राजनीतिक वैज्ञानिकों के लिए दैनिक सिरदर्द है जो वोटर टर्नआउट (मतदान भागीदारी) को समझने की कोशिश करते हैं। उनके पास दो मुख्य उपकरण हैं, लेकिन दोनों थोड़े खराब हैं। पहला, उनके पास सर्वेक्षण (surveys) हैं, जहाँ वे लोगों से पूछते हैं कि वे क्या करने की योजना बना रहे हैं। समस्या क्या है? जो लोग जवाब देते हैं, वे अक्सर राजनीति में सबसे अधिक रुचि रखने वाले होते हैं, और वे अपनी उत्साह को बढ़ा-चढ़ाकर बताते हैं (ठीक वैसे ही जैसे सोशल मीडिया पर लोग वास्तव में वर्कआउट करने की तुलना में उसके बारे में अधिक पोस्ट करते हैं)। दूसरा, उनके पास आधिकारिक गणना (official counts) है, जो उन्हें बताता है कि एक पूरे शहर या क्षेत्र में कितने लोगों ने वोट दिया, लेकिन उन्हें यह पता नहीं होता कि वे लोग कौन थे। यह एक पार्टी में खाए गए पिज्जा के स्लाइसों की कुल संख्या जानने जैसा है, लेकिन यह नहीं पता कि कौन से मेहमानों ने पेपरोनी खाई और किसने केवल चीज़ (cheese) तक ही सीमित रहा।

इस समस्या को हल करने के लिए, वैज्ञानिक मल्टीलेवल रिग्रेशन एंड पोस्टस्ट्रैटिफिकेशन (MRP) नामक पद्धति का उपयोग करते हैं। इसे एक विस्तृत मानचित्र बनाने के रूप में सोचें जो जनगणना डेटा (वहाँ रहने वाले प्रत्येक व्यक्ति की सूची) का उपयोग करता है और फिर सर्वेक्षण डेटा का उपयोग करके उस पर "वोटिंग" का चित्र बनाने की कोशिश करता है। हालाँकि, क्योंकि सर्वेक्षण डेटा अव्यवस्थित और पक्षपाती है, इसलिए चित्र अक्सर धुंधला या गलत आता है। एस्टोनिया के शोधकर्ताओं द्वारा लिखा गया यह शोध पत्र एक बड़ा सवाल पूछता है: क्या हम अव्यवस्थित सर्वेक्षण उत्तरों को सटीक आधिकारिक गणनाओं के साथ जोड़ने का एक स्मार्ट, अधिक एकीकृत तरीका बना सकते हैं ताकि हमें बिल्कुल स्पष्ट तस्वीर मिल सके कि कौन वोट दे रहा है और कौन नहीं? वे केवल कुल संख्या का अनुमान लगाने से आगे बढ़कर विभिन्न समूहों, जैसे युवाओं, विभिन्न जातीयताओं, या अलग-अलग शिक्षा स्तरों की विशिष्ट आदतों को समझने की दिशा में बढ़ना चाहते हैं।

तीन नए मॉडल: एक जासूसी टूलकिट

लेखक एक नया "बायेसियन" (Bayesian) ढांचा प्रस्तावित करते हैं, जो एक फैंसी तरीका है यह कहने का कि वे एक गणितीय प्रणाली का उपयोग करते हैं जो नए साक्ष्य देखते ही अपने विश्वासों को अपडेट करती है। उन्होंने मतदाता टर्नआउट के रहस्य को सुलझाने के लिए तीन अलग-अलग जासूसी उपकरण (मॉडल) बनाए, जिनमें से प्रत्येक पिछले वाले से एक कदम अधिक जटिल है।

1. "इकोलॉजिकल" जासूस (EI मॉडल)
पहला उपकरण एक मल्टीलेवल इकोलॉजिकल इन्फरेंस (EI) मॉडल है। कल्पना कीजिए कि आपके पास मिश्रित कैंडी का एक बैग है (एक पूरे शहर के लिए आधिकारिक वोट गणना) और आप जानते हैं कि बैग की सटीक रेसिपी क्या है (जनगणना डेटा जो दिखाता है कि कितने बच्चे, वयस्क और वरिष्ठ नागरिक वहाँ रहते हैं)। यह मॉडल अनुमान लगाने की कोशिश करता है कि बैग के कुल वजन को देखकर प्रत्येक प्रकार की कैंडी कितनी खाई गई होगी। यह चतुर है क्योंकि यह शिक्षित अनुमान लगाने के लिए ज्ञात जनसंख्या संरचना का उपयोग करता है, लेकिन यह अभी भी केवल "बड़ी तस्वीर" के आधार पर अनुमान लगाता है, जिससे कभी-कभी त्रुटियां हो सकती हैं (जैसे यह मान लेना कि एक ही पड़ोस के सभी लोगों ने एक ही तरह से मतदान किया)।

2. "पोल-एंड-मारजिन" जासूस (PM मॉडल)
दूसरा उपकरण, पोल-एंड-मारजिन (PM) मॉडल, इस शोध पत्र का मुख्य आकर्षण है। यह मॉडल एक ऐसे जासूस की तरह काम करता है जो एक साथ दो गवाहों को सुनता है: सर्वेक्षण उत्तरदाता (जो झूठ बोल सकते हैं या बढ़ा-चढ़ाकर बता सकते हैं) और आधिकारिक वोट काउंटर (जो सटीक हैं लेकिन चुप हैं)। उन्हें अलग-अलग मानने के बजाय, PM मॉडल उन्हें एक ही कहानी पर सहमत होने के लिए मजबूर करता है। यह सर्वेक्षण डेटा को "एंकर" करने के लिए आधिकारिक वोट गणनाओं का उपयोग करता है, प्रभावी रूप से यह कहते हुए, "ठीक है, सर्वेक्षण कहता है कि 90% लोग वोट देने की योजना बना रहे हैं, लेकिन आधिकारिक गणना कहती है कि केवल 70% ने ऐसा किया। आइए सर्वेक्षण के अतिरंजना (exaggeration) को समायोजित करें ताकि गणित सही बैठ सके।"

उनके परीक्षणों में, यह मॉडल वर्तमान सर्वोत्तम विधि (जिसे घित्ज़ा-गेलमैन कहा जाता है) की तुलना में एक बड़ा सुधार था। सिमुलेशन में, इसने घित्ज़ा-गेलमैन बेंचमार्क की तुलना में मीडियन कुलबैक-लीब्लर (KL) डाइवर्जेंस को लगभग 30% कम कर दिया। यह एक धुंधली फोटो लेने और फोकस ठीक करने के लिए एक शार्प रेफरेंस इमेज का उपयोग करने जैसा है। लेखक सुझाव देते हैं कि राजनीतिक विश्लेषकों के लिए यह नया मानक होना चाहिए क्योंकि यह पुराने दो-चरणीय तरीकों की तुलना में अनिश्चितता को बहुत बेहतर तरीके से संभालता है।

3. "फुल सिलेक्शन" जासूस (FS मॉडल)
तीसरा उपकरण, फुल सिलेक्शन (FS) मॉडल, सबसे महत्वाकांक्षी है। यह समस्या के मूल कारण को हल करने की कोशिश करता है: गलत लोग सर्वेक्षण का उत्तर क्यों देते हैं? यह हेकमैन सिलेक्शन करेक्शन (Heckman selection correction) नामक एक सांख्यिकीय ट्रिक का उपयोग करता है। कल्पना कीजिए कि सर्वेक्षण एक क्लब है जिसमें एक बाउंसर (द्वारपाल) है। FS मॉडल बाउंसर के गुप्त नियमों (जैसे, "मैं केवल उन लोगों को अंदर जाने देता हूँ जो खेल पसंद करते हैं") को समझने की कोशिश करता है और फिर गणितीय रूप से डेटा को "अन-बाउंसर" करता है ताकि वह देख सके कि पूरी भीड़ कैसी दिखती है।

इस मॉडल ने सिमुलेशन में सर्वश्रेष्ठ परिणाम दिखाए, विशेष रूप से तब जब सर्वेक्षण बहुत पक्षपाती था (जैसे जब जनसंख्या का केवल 21% ही सर्वेक्षकों से बात करने के लिए तैयार था)। इन कठिन मामलों में, FS मॉडल का मीडियन KL डाइवर्जेंस, घित्ज़ा-गेलमैन बेंचमार्क की तुलना में 57% कम था। हालाँकि, एक पेंच है: यह मॉडल संवेदनशील है। इसे ठीक से काम करने के लिए कुछ "स्मार्ट अनुमानों" (जिन्हें 'इंफॉर्मेटिव प्रायर्स' कहा जाता है) की आवश्यकता होती है कि सर्वेक्षण कितना पक्षपाती है। यदि सर्वेक्षण का पक्षपात उस शोर (noise) के कारण है जिसकी मॉडल को उम्मीद नहीं थी, तो FS मॉडल का लाभ समाप्त हो जाता है।

उन्होंने क्या पाया (और क्या नहीं)

शोधकर्ताओं ने इन मॉडलों का परीक्षण एस्टोनिया के वास्तविक जनगणना डेटा पर आधारित एक विशाल सिमुलेशन का उपयोग करके किया। उन्होंने नकली चुनाव परिदृश्य बनाए जहाँ वे "सत्य" जानते थे और फिर देखा कि कौन सा मॉडल सबसे करीब पहुँचता है।

• विजेता: सिमुलेशन में, फुल सिलेक्शन (FS) मॉडल सबसे सटीक था, जिसके ठीक बाद पोल-एंड-मारजिन (PM) मॉडल का स्थान था। दोनों ही वितरण संबंधी दूरी मेट्रिक्स (distributional distance metrics) के मामले में वर्तमान अत्याधुनिक विधि (घित्ज़ा-गेलमैन) से काफी बेहतर थे।
• रियलिटी चेक: जब उन्होंने इन मॉडलों को 2023 के एस्टोनियाई संसदीय चुनाव पर लागू किया, तो परिणाम थोड़े मिले-जुले रहे। PM मॉडल उस डेटा पर सबसे अच्छे मौजूदा तरीकों के समान ही प्रदर्शन करता है जिसे वे जांच सकते थे। FS मॉडल ने थोड़ा सुधार दिखाया, लेकिन केवल इसलिए क्योंकि इसने सर्वेक्षण के पक्षपात के बारे में उन "स्मार्ट अनुमानों" (priors) का उपयोग किया था। उन विशिष्ट अनुमानों के बिना, FS मॉडल का प्रदर्शन PM मॉडल जैसा ही था।
• चेतावनी: लेखक सावधानी बरतते हुए कहते हैं कि FS मॉडल की शक्ति इस बात पर निर्भर करती है कि सर्वेक्षण "रैंडमली कॉन्टैक्टेड" (जैसे कि रैंडम लिस्ट पर फोन कॉल) हो और प्रतिक्रिया दर (response rate) का कुछ अंदाजा हो। यदि सर्वेक्षण डेटा उन तरीकों से अव्यवस्थित है जिसकी मॉडल को उम्मीद नहीं थी (जैसे कि रैंडम शोर), तो FS मॉडल का बढ़त खो जाता है।

निष्कर्ष (The Bottom Line)

यह शोध पत्र यह दावा नहीं करता है कि इसने वोटिंग के रहस्य को हमेशा के लिए सुलझा लिया है। इसके बजाय, यह एक बेहतर टूलकिट प्रदान करता है। पोल-एंड-मारजिन (PM) मॉडल को लगभग किसी भी स्थिति के लिए एक विश्वसनीय, मजबूत अपग्रेड के रूप में प्रस्तुत किया गया है, जो सर्वेक्षण डेटा को आधिकारिक गणनाओं के साथ जोड़ने का एक स्वच्छ तरीका प्रदान करता है। फुल सिलेक्शन (FS) मॉडल एक शक्तिशाली, विशेष उपकरण है जो कठिन, पक्षपाती स्थितियों में अतिरिक्त सटीकता निकाल सकता है, लेकिन इसे काम करने के लिए सावधानीपूर्वक हैंडलिंग और विशिष्ट धारणाओं की आवश्यकता होती है।

लेखक अनुशंसा करते हैं कि जो कोई भी इन विधियों का उपयोग कर रहा है, उसे दोनों PM और FS मॉडल चलाने चाहिए और परिणामों की तुलना करनी चाहिए। यदि वे सहमत हैं, तो आप आश्वस्त हो सकते हैं। यदि वे असहमत हैं, तो यह एक संकेत है कि डेटा बहुत अधिक अव्यवस्थित हो सकता है या धारणाएँ बहुत कमजोर हो सकती हैं कि किसी एक उत्तर पर भरोसा किया जाए। यह एक याद दिलाता है कि राजनीति विज्ञान की दुनिया में, सबसे अच्छे गणित को भी संदेह की एक स्वस्थ खुराक की आवश्यकता होती है।