এই ব্লগ পোস্টে, আমরা ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতির নির্ভরযোগ্যতা এবং সীমাবদ্ধতাগুলো খতিয়ে দেখব, যা এমন পরিস্থিতিতে নীতির প্রভাব মূল্যায়নের জন্য ব্যাপকভাবে ব্যবহৃত হয় যেখানে পরীক্ষা-নিরীক্ষা পরিচালনা করা কঠিন।
অর্থনীতিতে এমন অনেক ক্ষেত্র রয়েছে যেখানে প্রমাণ-ভিত্তিক নীতি আলোচনা সহজতর করার জন্য কোনো নীতির প্রভাব মূল্যায়ন করা আবশ্যক। সামাজিক ও অর্থনৈতিক সমস্যা সমাধান এবং নীতির বৈধতা প্রদর্শনের জন্য এই প্রক্রিয়াটি অত্যন্ত গুরুত্বপূর্ণ। বিশেষত, কোনো অর্থনৈতিক নীতি বা সামাজিক কর্মসূচির প্রবর্তন প্রকৃতপক্ষে ইতিবাচক প্রভাব ফেলেছে নাকি অনাকাঙ্ক্ষিত পার্শ্বপ্রতিক্রিয়া সৃষ্টি করেছে, তা স্পষ্টভাবে নির্ধারণ করা অপরিহার্য। কোনো নীতির প্রভাব মূল্যায়নের ক্ষেত্রে, নীতিটি বাস্তবায়নের পরবর্তী ফলাফলের সাথে নীতিটি বাস্তবায়ন না করা হলে যে ফলাফলগুলো ঘটত, তার তুলনা করা হয়। এই তুলনা নীতি নির্ধারকদের জন্য অপরিহার্য তথ্য হিসেবে কাজ করে, যা ভবিষ্যৎ নীতি প্রণয়নে দিকনির্দেশনা দেয় এবং পরিশেষে সামগ্রিক সামাজিক কল্যাণ বৃদ্ধিতে অবদান রাখে।
তবে, যেহেতু কাল্পনিক ফলাফল পর্যবেক্ষণ করা যায় না, তাই কোনো ঘটনার প্রভাব মূল্যায়ন করা হয় একটি ট্রিটমেন্ট গ্রুপের—যারা ঘটনাটির সম্মুখীন হয়েছে এমন নমুনা নিয়ে গঠিত—ফলাফলের সাথে একটি কন্ট্রোল গ্রুপের—যারা ঘটনাটির সম্মুখীন হয়নি এমন নমুনা নিয়ে গঠিত—ফলাফলের তুলনা করে। কন্ট্রোল এবং ট্রিটমেন্ট গ্রুপের গঠন মূল্যায়নের নির্ভুলতা নির্ধারণকারী একটি গুরুত্বপূর্ণ বিষয়। যদি ঘটনাটি ছাড়া অন্য কোনো কারণে দুটি গ্রুপের মধ্যে পার্থক্য থাকে, তবে এই পার্থক্যগুলো মূল্যায়নের ফলাফলকে বিকৃত করতে পারে। অতএব, এই প্রক্রিয়ার মূল চাবিকাঠি হলো এমন দুটি গ্রুপ গঠন করা, যেখানে ঘটনাটি ছাড়া ফলাফলের ভিন্নতার অন্য কোনো কারণ থাকবে না। উদাহরণস্বরূপ, মজুরির উপর কোনো ঘটনার প্রভাব মূল্যায়ন করার সময়, গ্রুপগুলো এমনভাবে গঠন করা উচিত যাতে, ঘটনাটি না ঘটলে, ট্রিটমেন্ট গ্রুপ এবং কম্প্যারিসন গ্রুপের গড় মজুরি অবশ্যই একই হতো। এটি অর্জনের জন্য, এমন একটি পরীক্ষামূলক নকশা আদর্শ যেখানে নমুনাগুলোকে এলোমেলোভাবে দুটি গ্রুপে ভাগ করে দেওয়া হয়। তবে, মানুষ বা সামাজিক বিষয় নিয়ে কাজ করার ক্ষেত্রে এই পদ্ধতি প্রায়শই অকার্যকর হয়ে পড়ে।
এই অসুবিধাগুলোর কারণে, যেখানে পরীক্ষামূলক পদ্ধতি প্রয়োগ করা যায় না, সেখানে প্রায়শই আধা-পরীক্ষামূলক পদ্ধতি ব্যবহার করা হয়। এই আধা-পরীক্ষামূলক পদ্ধতিগুলোর মধ্যে ডিফারেন্স-ইন-ডিফারেন্সেস (ডিআইডি) পদ্ধতি একটি বহুল ব্যবহৃত কৌশল। ডিফারেন্স-ইন-ডিফারেন্সেস (ডিআইডি) পদ্ধতিটি ট্রিটমেন্ট গ্রুপে পরিলক্ষিত পরিবর্তন থেকে কম্প্যারিজন গ্রুপে পরিলক্ষিত পরিবর্তন বিয়োগ করে কোনো ঘটনার প্রভাব মূল্যায়ন করে। এই মূল্যায়নটি সমান্তরাল প্রবণতার অনুমানের উপর ভিত্তি করে করা হয়, যা বলে যে ঘটনাটি না ঘটলেও, কম্প্যারিজন গ্রুপের মতো ট্রিটমেন্ট গ্রুপেও একই মাত্রার পরিবর্তন ঘটত। যদি এই অনুমানটি সত্যি হয়, তবে দুটি গ্রুপের ঘটনা-পূর্ববর্তী অবস্থা গড়ে একই ছিল কিনা তা নিশ্চিত করার প্রয়োজন হয় না।
ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতির উপযোগিতা শুধু অর্থনীতিতেই নয়, বিভিন্ন সমাজবিজ্ঞান গবেষণাতেও স্বীকৃত। এর ঐতিহাসিক উৎসের দিকে তাকালে জানা যায় যে, জন স্নো ১৮৫৪ সালে প্রথম এই পদ্ধতিটি ব্যবহার করেন। তিনি লন্ডনের একই এলাকার এমন বাসিন্দাদের উপর দৃষ্টি নিবদ্ধ করেন, যারা দুটি ভিন্ন জল সরবরাহকারী সংস্থা থেকে জল পেতেন। একই জলের উৎস ব্যবহারকারী দুটি সংস্থার মধ্যে কেবল একটি তার উৎস পরিবর্তন করেছিল, কিন্তু বাসিন্দারা জানতেন না কোন সংস্থা তাদের জল সরবরাহ করে। 'জন স্নো' উৎস পরিবর্তনের আগে ও পরে, উৎস পরিবর্তনকারী এবং উৎস অপরিবর্তিত থাকা বাসিন্দাদের মধ্যে কলেরায় মৃত্যুর হারের পরিবর্তন তুলনা করেন এবং এই সিদ্ধান্তে উপনীত হন যে, কলেরা বাতাসের মাধ্যমে নয়, বরং জলের মাধ্যমেই সংক্রমিত হয়। এটি প্রমাণ করে যে, ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতি শুধু অর্থনৈতিক বিশ্লেষণে নয়, জনস্বাস্থ্যের মতো অন্যান্য ক্ষেত্রেও একটি শক্তিশালী হাতিয়ার হিসেবে কাজ করতে পারে। অর্থনীতিতে, এই পদ্ধতিটি প্রথম ১৯১০-এর দশকে ন্যূনতম মজুরি আইন প্রবর্তনের প্রভাব মূল্যায়ন করতে ব্যবহৃত হয়েছিল।
তবে, ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতি ব্যবহার করার সময়, সমান্তরাল প্রবণতার অন্তর্নিহিত অনুমানটি পূরণ হচ্ছে কিনা তা যাচাই করা অপরিহার্য। যদি সমান্তরাল প্রবণতার অনুমানটি পূরণ না হয়, তবে ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতি প্রয়োগ করলে ট্রিটমেন্ট এফেক্টের একটি ভুল মূল্যায়ন হবে। উদাহরণস্বরূপ, একটি কর্মী প্রশিক্ষণ কর্মসূচির কর্মসংস্থান-বর্ধক প্রভাব মূল্যায়ন করার সময়, সমান্তরাল প্রবণতার অনুমানটি প্রযোজ্য হবে না যদি দ্রুত চাকরি হারানোর সম্মুখীন শিল্পগুলিতে কর্মীদের অনুপাত কন্ট্রোল গ্রুপের তুলনায় ট্রিটমেন্ট গ্রুপে বেশি হয়। তবে, গ্রুপগুলোর মধ্যে নমুনার পরিসংখ্যানগত সাদৃশ্য বাড়ানোর জন্য কোনো ঘটনার পূর্ববর্তী সময়ের ইন্টারভেনশন গ্রুপকে তুলনা গ্রুপ হিসেবে মনোনীত করলেই যে সমান্তরাল প্রবণতার অনুমানটি পূরণ হবে তার কোনো নিশ্চয়তা নেই। এর কারণ হলো, অর্থনৈতিক ওঠানামার প্রতি সংবেদনশীল পরিবর্তনগুলোর ক্ষেত্রে—যেমন কর্মসংস্থান—এই অনুমানটি পূরণের জন্য গ্রুপগুলোর মধ্যে নমুনার পরিসংখ্যানগত সাদৃশ্যের চেয়ে পরিবর্তনগুলোর যুগপৎতা বেশি গুরুত্বপূর্ণ হতে পারে।
ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতির প্রয়োগকে আরও নির্ভরযোগ্য করার জন্য, গবেষকদের একাধিক তুলনামূলক দল গঠন করা এবং প্রতিটি দলে পদ্ধতিটি প্রয়োগ করে প্রাপ্ত মূল্যায়ন ফলাফল সামঞ্জস্যপূর্ণ কিনা তা যাচাই করা গুরুত্বপূর্ণ। এই পদ্ধতিগুলো ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতি ব্যবহার করে করা মূল্যায়নের নির্ভরযোগ্যতা বাড়াতে পারে। অধিকন্তু, বিভিন্ন বৈশিষ্ট্যের ক্ষেত্রে ট্রিটমেন্ট গ্রুপের সাথে উচ্চ পরিসংখ্যানগত সাদৃশ্য প্রদর্শনকারী তুলনামূলক দল গঠন করলে প্যারালাল ট্রেন্ডস অ্যাজাম্পশন লঙ্ঘিত হওয়ার সম্ভাবনা হ্রাস পেতে পারে। এই পদ্ধতিগুলোর গুরুত্ব বিশেষত সমাজবিজ্ঞান গবেষণায় বিশেষভাবে লক্ষণীয়, যেখানে পরীক্ষামূলক পদ্ধতি প্রয়োগ করা কঠিন।
ডিফারেন্স-ইন-ডিফারেন্সেস পদ্ধতি একটি শক্তিশালী বিশ্লেষণাত্মক হাতিয়ার যা নীতি প্রভাব মূল্যায়ন, কর্পোরেট ব্যবস্থাপনা কৌশল মূল্যায়ন এবং শিক্ষামূলক কর্মসূচির কার্যকারিতা বিশ্লেষণ সহ বিভিন্ন ক্ষেত্রে ব্যবহার করা যেতে পারে। তবে, এটি প্রয়োগ করার আগে, সমান্তরাল প্রবণতা অনুমানের বৈধতা সতর্কতার সাথে পরীক্ষা করা এবং প্রয়োজনে অন্যান্য পরিপূরক পদ্ধতির সাথে একত্রে এটি ব্যবহার করা গুরুত্বপূর্ণ।
