T_root: A Comprehensive Closed-Form Statistic for Independence in Sparse and Heterogeneous Contingency Tables

तकनीकी सारांश: विरल (Sparse) और विषम (Heterogeneous) कंटिंजेंसी टेबल्स के लिए $T_{root}$

समस्या विवरण
दो-तरफा कंटिंजेंसी टेबल्स में स्वतंत्रता का परीक्षण चिकित्सा और सामाजिक विज्ञानों में एक मौलिक प्रक्रिया है, फिर भी मौजूदा मानक विधियाँ दो महत्वपूर्ण, सामान्य स्थितियों में विफल हो जाती हैं। पहली, विरलता (Sparsity): जब अपेक्षित सेल काउंट (expected cell counts) कम होते हैं, तो पियर्सन का ची-स्क्वायर सांख्यिकीय (Pearson's chi-square statistic) विरल सेल्स में भारी अवशेष पूंछ (heavy residual tails) के कारण बढ़ जाता है, जबकि फिशर का सटीक परीक्षण (Fisher's exact test) अत्यधिक रूढ़िवादी (conservative) हो जाता है, जिससे सांख्यिकीय शक्ति (statistical power) कम हो जाती है। दूसरी, सीमांत विषमता (Marginal Heterogeneity): वास्तविक दुनिया की टेबल्स में अक्सर अत्यधिक असमान रो (row) और कॉलम (column) योग होते हैं। ऐसी स्थितियों में, पियर्सन के सांख्यिकीय का शून्य वितरण (null distribution) माध्य और विचरण (variance) दोनों में ची-स्क्वायर वितरण से अलग हो जाता है, जिससे परीक्षण या तो उदार (liberal) हो जाता है या रूढ़िवादी, जो मार्जिन संरचना पर निर्भर करता है। कोई भी मौजूदा निश्चित सांख्यिकीय (Cressie-Read power-divergence परिवार सहित) टेबल के आकार, विरलता और सीमांत संतुलन के पूरे प्लेन में अंशांकन (calibration) और शक्ति (power) दोनों को बनाए नहीं रखता है।

कार्यप्रणाली: $T_{root}$ सांख्यिकीय
यह शोध पत्र $T_{root}$ का प्रस्ताव करता है, जो एक क्लोज्ड-फॉर्म, पैरामीटर-मुक्त सांख्यिकीय है जिसे इन विविध श्रेणियों में अंशांकित रहने के लिए डिज़ाइन किया गया है। इसका निर्माण तीन मुख्य घटकों पर आधारित है:

1. अन्सकोम रूट (Anscombe Root) के माध्यम से विचरण स्थिरीकरण: पियर्सन मेट्रिक $(O-E)^2/E$ का उपयोग करने के बजाय, जो छोटे सेल्स को हावी होने देता है, $T_{root}$ प्रत्येक प्रेक्षित काउंट $O_{ij}$ को अन्सकोम ट्रांसफॉर्म का उपयोग करके रूपांतरित करता है: $A(x) = 2\sqrt{x + 3/8}$। यह पॉइसन काउंट के विचरण को अपेक्षित काउंट की परवाह किए बिना लगभग 1 तक स्थिर कर देता है, जिससे विरल सेल्स सांख्यिकीय को बढ़ा नहीं पाते।
2. सटीक सीमांत-सशर्त केंद्रण (Exact Margin-Conditional Centering): रूपांतरित अवशेषों (residuals) को केवल अपेक्षित काउंट $A(E_{ij})$ पर केंद्रित नहीं किया जाता है, बल्कि उन्हें उनके सटीक सशर्त माध्य $\mu_{ij} = E[A(O_{ij}) \mid \text{margins}]$ पर केंद्रित किया जाता है। यह कंडीशनिंग सुनिश्चित करती है कि वर्गित अवशेषों के योग का अपेक्षित मान एक सटीक पहचान (exact identity), $E[S] = \sum \text{Var}(A(O_{ij}))$ है, जिससे फिट किए गए स्थिरांकों या लीवरेज प्रोजेक्शन की आवश्यकता समाप्त हो जाती है।
3. तीन-मोमेंट ची-स्क्वेयर संदर्भ: केंद्रित अवशेषों के वर्ग का योग, $S = \sum (A(O_{ij}) - \mu_{ij})^2$, एक तीन-मोमेंट ची-स्क्वायर वितरण को संदर्भित करता है। संदर्भ वितरण का निर्माण सीमांत-सशर्त शून्य के तहत $S$ के सटीक पहले तीन क्यूमुलेंट्स (cumulants) का उपयोग करके किया गया है।
   • पहला क्यूमलेंट (माध्य) केंद्रण के कारण सटीक है।
   • दूसरा और तीसरा क्यूमलेंट (विचरण और विषमता/skewness) की गणना को विभाजित करके प्राप्त किया जाता है: विकर्ण (diagonal/per-cell) योगदान को सटीक रूप से कंडीशनल मोमेंट टेबल्स से लिया जाता है, जबकि ऑफ-डायगोनल (off-diagonal/cell-to-cell covariance) योगदान को गाऊसी द्विघाती रूप पहचान (Gaussian quadratic form identity) का उपयोग करके अनुमानित किया जाता है। यह विभाजन गणनात्मक रूप से कुशल (low-rank structure) है और आवश्यक भी है, क्योंकि ऑफ-डायगोनल पदों को छोड़ देने से (पूर्ववर्ती कार्यों की तरह) विचरण और विषमता का कम अनुमान लगता है, जिससे उदार टाइप I त्रुटि दर (liberal Type I error rates) आती है।

क्षेत्र और फॉलबैक (Scope and Fallback)
यह सांख्यिकीय उन टेबल्स के लिए मान्य है जहाँ औसत अपेक्षित काउंट पर्याप्त (लगभग $\ge 6$) है और टेबल कोलैप्स नहीं होती है (अर्थात कंडीशनिंग के बाद खाली रो/कॉलम नहीं हैं)। इस सीमा से नीचे, या अत्यधिक विषमता के मामलों में जहाँ वास्तविक टेबल $2 \times 2$ से कम गैर-खाली सेल्स में सिमट जाती है, विधि विश्लेषण को सटीक सीमांत-सशर्त परीक्षण (फिशर के सटीक परीक्षण का Freeman-Halton विस्तार) की ओर मोड़ देती है। यह स्क्रीन अपेक्षित काउंट पर आधारित है, न कि अपेक्षित काउंट के गुणांक भिन्नता ($CV_e$) पर, क्योंकि $CV_e$ अन्य परीक्षणों की विफलता के लिए एक नैदानिक (diagnostic) है, न कि $T_{root}$ के लिए।

प्रमुख परिणाम
व्यापक मोंटे कार्लो सिमुलेशन (जो $2 \times 2$ से $100 \times 100$ तक की 4,950 टेबल आकृतियों, विभिन्न विरलता स्तरों और ग्यारह सीमांत विषमता स्तरों को कवर करते हैं) से सिद्ध होता है कि:

• अंशांकन (Calibration): $T_{root}$ विरलता और विषमता के पूरे प्लेन में नाममात्र आकार (nominal size 0.05) को बनाए रखता है। 378,415 अच्छी तरह से अनुमानित सेल्स पर इसकी माध्य पूर्ण आकार त्रुटि (mean absolute size error) 0.0099 है, जो Cressie-Read 2/3 सांख्यिकीय (0.0238) और पियर्सन के ची-स्क्वेयर (0.0412) से काफी बेहतर है।
• विषमता मजबूती (Heterogeneity Robustness): जबकि पियर्सन का ची-स्क्वेयर उच्च $CV_e$ पर तेजी से उदार (liberal) हो जाता है (0.171 तक पहुँच जाता है) और Cressie-Read 2/3 सांख्यिकीय रूढ़िवादी हो जाता है, $T_{root}$ 0.05 के पास स्थिर रहता है।
• शक्ति (Power): जहाँ $T_{root}$ और पियर्सन का ची-स्क्वेयर दोनों आकार को नियंत्रित करते हैं, उनकी शक्ति लगभग समान होती है। उस "कोलैप्स ज़ोन" में जहाँ Cressie-Read 2/3 विफल हो जाता है (रूढ़िवादी बन जाता है), $T_{root}$ लगभग दोगुनी शक्ति प्राप्त करता है।
• Mielke-Berry के साथ तुलना: जब इसकी तुलना Mielke-Berry पद्धति के विरुद्ध की गई, जो पियर्सन के $X^2$ के सटीक सशर्त मोमेंट्स से फिट किया गया तीन-मोमेंट पियर्सन टाइप III संदर्भ का उपयोग करती है, तो $T_{сто} \text{ } T_{root}$ उच्च विषमता स्तरों पर भी अंशांकित रहता है जहाँ Mielके-Berry संदर्भ उदार हो जाता है क्योंकि $X^2$ की विषमता (skewness) अनबाउंडेड रूप से बढ़ती है। अन्सकोम रूट का विचरण-स्थिरीकरण $T_{root}$ की विषमता को इतना छोटा रखता है कि तीन-मोमेंट सन्निकटन (approximation) सटीक बना रहता है।

महत्व और दावे
यह शोध पत्र दावा करता है कि $T_{root}$ कंटिंजेंसी टेबल स्वतंत्रता के लिए एक व्यापक, एकल-सांख्यिकीय समाधान प्रदान करता है, जो सटीक, स्पर्शोन्मुख (asymptotic) और सुधारात्मक परीक्षणों के खंडित टूलकिट को समाहित करता है।

• व्यापकता: यह टेबल के आकार, विरलता और सीमांत संतुलन के पूर्ण प्लेन में एक साथ अंशांकन और शक्ति बनाए रखने वाला पहला सांख्यिकीय है।
• क्लोज्ड-फॉर्म और नियत (Deterministic): इसके लिए किसी क्रमपरिवर्तन (permutation), बूटस्ट्रैप या ट्यूनिंग पैरामीटर की आवश्यकता नहीं होती है, और यह पियर्सन के ची-स्क्वेयर जितनी ही तेजी से एक एकल नियत p-वैल्यू उत्पन्न करता है।
• संरचनात्मक नवाचार: प्राथमिक पद्धतिगत योगदान अन्सकोम रूट के साथ सटीक सीमांत-सशर्त केंद्रण का विशिष्ट संयोजन है, जो सांख्यिकीय के माध्य के लिए एक पहचान (identity) बनाता है, और कुमुलेंट गणना में ऑफ-डायगोनल कोवेरिएंस पदों का समावेश है, जो पूर्ववर्ती रूट-आधारित सांख्यिकी के उदार पक्षपात (liberal bias) को ठीक करता है।
• व्यावहारिक उपयोगिता: यह नियमों के आधार पर (जैसे कि सटीक, स्पर्शोन्मुख या सुधारात्मक परीक्षणों के बीच चयन करना) जटिल निर्णय वृक्षों को एक एकल सांख्यिकीय और एक सरल बाइनरी स्क्रीन (expected counts पर आधारित) से बदलकर अभ्यास को सरल बनाता है।

लेखक इस बात पर जोर देते हैं कि हालांकि इसका निर्माण स्थापित उपकरणों (अन्सकोम ट्रांसफॉर्म, पावर-डाइवर्जेंस परिवार, मोमेंट-मैच्ड रेफरेंस) का उपयोग करता है, लेकिन विशिष्ट कॉन्फ़िगरेशन और पूरे पैरामीटर स्पेस में इसके परिणामस्वरूप प्राप्त अंशांकन रिकॉर्ड ही वास्तविक नवीन योगदान है। शोध पत्र स्वीकार करता है कि इसकी वैधता सीमांत-सशर्त शून्य (एक मॉडलिंग विकल्प) पर निर्भर करती है, लेकिन तर्क देता है कि यह इसके सटीक फॉलबैक टेस्ट के साथ सुसंगत है और अनकंडीशनल प्रदर्शन (रैंडम मार्जिन के तहत) अनुभवजन्य रूप से नाममात्र (nominal) प्रमाणित है।