A binary factor model

सांख्यिकी की दुनिया में, शोधकर्ता अक्सर एक पहेली का सामना करते हैं: विवरणों में खोए बिना तथ्यों की एक लंबी सूची को कैसे समझें। कल्पना कीजिए कि आप यह समझने की कोशिश कर रहे हैं कि क्यों लोगों का एक समूह कुछ विशेष लक्षण साझा करता है, जैसे कि एक विशिष्ट बीमारी होना, एक निश्चित आयु का होना, या किसी विशेष स्थान पर रहना। हर एक लक्षण को अलग-अलग देखने के बजाय, सांख्यिकीविद 'फैक्टर एनालिसिस' (factor analysis) नामक एक उपकरण का उपयोग करते हैं। यह विधि कुछ छिपे हुए, अंतर्निहित कारणों को खोजने का प्रयास करती है जो यह बताते हैं कि वे लक्षण एक साथ क्यों दिखाई देते हैं। दशकों तक, यह उपकरण उन मापों के लिए खूबसूरती से काम करता रहा जो कोई भी संख्या हो सकती थी, जैसे कि ऊंचाई या तापमान। हालाँकि, जब डेटा सरल हाँ-या-ना वाले उत्तरों से बना होता था, जैसे कि क्या मरीज को अस्पताल में भर्ती किया गया या नहीं, तो इसे समझने में इसे कठिनाई हुई। पुराने तरीकों ने यह मान लिया था कि छिपे हुए कारण सुचारू और निरंतर (continuous) होते हैं, जो हाँ-या-ना वाले डेटा की तीक्ष्ण, बाइनरी प्रकृति के अनुकूल नहीं था।

मेक्सिको के ITAM में लुइस ई. नियेटो-बराजस के नेतृत्व में एक शोधकर्ता ने इस समस्या को हल करने का एक नया तरीका विकसित किया है। उन्होंने विशेष रूप से बाइनरी डेटा के लिए डिज़ाइन किया गया एक नया मॉडल बनाया है, जहाँ उत्तर सख्ती से हाँ या ना में होते हैं। उनके दृष्टिकोण में, वे जिन छिपे हुए कारणों की तलाश कर रहे हैं, वे पुराने मॉडलों की तुलना में अलग तरह से व्यवहार करते हैं। स्वतंत्र रूप से घूमने के बजाय, इन छिपे हुए कारकों को एक-दूसरे से बचने के लिए डिज़ाइन किया गया है; यदि एक कारक मजबूत है, तो अन्य कमजोर होने चाहिए। यह एक प्राकृतिक संतुलन बनाता है, बिल्कुल एक सीमित स्थान की तरह जहाँ एक समय में केवल एक ही चीज़ पूरी तरह से मौजूद हो सकती है। इस विशिष्ट व्यवहार का उपयोग करके, शोधकर्ता बाइनary डेटा में छिपी हुई संरचनाओं को उजागर कर सकते हैं, बिना डेटा को उस आकार में फिट करने के लिए मजबूर किए जिससे वह संबंधित नहीं है।

अपने विचार का परीक्षण करने के लिए, शोधकर्ता ने पहले एक कंप्यूटर सिमुलेशन बनाया। उन्होंने सात अलग-अलग हाँ-या-ना वाले चरों (variables) और तीन छिपे हुए कारणों वाला एक नकली डेटासेट बनाया। उन्होंने इस डेटा को अपने नए मॉडल में डाला और यह देखने के लिए निगरानी की कि क्या यह उनके द्वारा रोपित मूल तीन कारणों को खोज सकता है। मॉडल ने अच्छा काम किया, और सही संख्या में छिपे हुए कारणों की पहचान करने और उनके महत्व का अनुमान लगाने में सफलतापूर्वक काम किया। शोधकर्ता ने पाया कि जब उन्होंने सच्चाई से कम या अधिक कारणों का उपयोग करने की कोशिश की, तो डेटा को समझाने की मॉडल की क्षमता गिर गई। इस सिमुलेशन ने साबित कर दिया कि उनका गणितीय ढांचा सुदृढ़ था और बिना विफल हुए बाइनरी डेटा की जटिलता को संभाल सकता था।

सिमुलेशन से उत्साहित होकर, शोधकर्ता वास्तविक दुनिया के डेटा की ओर मुड़े ताकि यह देखा जा सके कि क्या उनका मॉडल एक अव्यवस्थित, वास्तविक जीवन की स्थिति को संभाल सकता है। उन्होंने मेक्सिको के 1,814 पुष्ट कोविड-19 मामलों के एक डेटाबेस का विश्लेषण किया। डेटा में प्रत्येक रोगी के लिए बारह विभिन्न संकेतक शामिल थे, जैसे कि क्या वह एक महिला थी, क्या उसे अस्पताल में भर्ती किया गया था, क्या उसे निमोनिया था, या क्या वह मधुमेह या मोटापे जैसी स्थितियों से पीड़ित था। लक्ष्य यह देखना था कि क्या मॉडल इन बारह संकेतकों को कुछ सार्थक श्रेणियों में समूहित कर सकता है जो यह समझा सके कि कुछ रोगियों के पास विशिष्ट लक्षणों का संयोजन क्यों है।

मॉडल ने रोगियों को तीन विशिष्ट छिपे हुए समूहों में सफलतापूर्वक वर्गीकृत किया। पहला समूह अस्पताल में भर्ती होने और निमोनिया को जोड़ता है, जो वायरस से होने वाली गंभीर जटिलताओं से संबंधित एक छिपे हुए कारण का सुझाव देता है। दूसरा समूह लगभग पूरी तरह से महिला होने से जुड़ा था, जो यह दर्शाता है कि लिंग एक अलग कारक है, जो बीमारी की गंभीरता से अलग है। तीसरा समूह मधुमेह, हृदय रोग और गुर्दे की विफलता जैसी स्थितियों का एक समूह बनाता है, जो वृद्ध वयस्कों में एक साथ दिखाई देते हैं। यह तीसरा समूह वयस्क स्वास्थ्य समस्याओं के एक छिपे हुए कारण का प्रतिनिधित्व करता था जिसने उन्हें अधिक संवेदनशील बना दिया। शोधकर्ता ने अपने परिणामों की तुलना पारंपरिक पद्धति से की, जो बाइनरी डेटा को पुराने, निरंतर आकार में जबरदस्ती फिट करने की कोशिश करती है। पारंपरिक पद्धति ने इन समूहों को आपस में मिला दिया, जिससे गंभीर जटिलताओं को लिंग के साथ इस तरह मिला दिया गया कि स्पष्ट पैटर्न धुंधले हो गए, जिन्हें नए मॉडल ने स्पष्ट रूप से उजागर किया था।

अध्ययन ने यह भी देखा कि प्रत्येक छिपे हुए समूह का कितना महत्व था। शोधकर्ता ने पाया कि गंभीर जटिलताओं से संबंधित समूह और वयस्क स्वास्थ्य समस्याओं से संबंधित समूह सबसे महत्वपूर्ण थे, जिनमें से प्रत्येक डेटा के भिन्नता (variation) के एक महत्वपूर्ण हिस्से की व्याख्या करता था। लिंग कारक, हालांकि अलग था, समग्र चित्र का कम हिस्सा समझाता था। अपने नए तरीके का उपयोग करके, शोधकर्ता इन पैटर्न को स्पष्ट रूप से देख सके, जिससे वह भ्रम दूर हो गया जो पुरानी तकनीकों में व्याप्त था। उन्होंने केवल एक नया फॉर्मूला नहीं खोजा; उन्होंने बाइनरी डेटा की संरचना को अधिक स्पष्ट रूप से देखने का एक तरीका खोजा, यह दिखाते हुए कि जब छिपे हुए कारणों को इस तरह व्यवहार करने की अनुमति दी जाती है जो डेटा से मेल खाता है, तो वे जो कहानी बताते हैं उसे समझना बहुत आसान हो जाता है। यह कार्य सुझाव देता है कि हाँ-या-ना वाले उत्तरों से जुड़े प्रश्नों के लिए, पुराने उपकरण लक्ष्य से चूक सकते हैं, और एक ऐसे नए दृष्टिकोण की आवश्यकता है जो डेटा की अनूठी प्रकृति का सम्मान करता हो ताकि सत्य को खोजा जा सके।