જ્યારે પ્રયોગો શક્ય ન હોય ત્યારે નીતિગત અસરોનું મૂલ્યાંકન કરવા માટે શું તફાવત-માં-તફાવત પદ્ધતિ સૌથી યોગ્ય રીત છે?

આ બ્લોગ પોસ્ટમાં, અમે ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિની વિશ્વસનીયતા અને મર્યાદાઓની તપાસ કરીશું, જેનો ઉપયોગ એવી પરિસ્થિતિઓમાં નીતિ અસરોનું મૂલ્યાંકન કરવા માટે વ્યાપકપણે થાય છે જ્યાં પ્રયોગો કરવા મુશ્કેલ હોય છે.

અર્થશાસ્ત્રમાં, એવા ઘણા કિસ્સાઓ છે જ્યાં પુરાવા-આધારિત નીતિ ચર્ચાઓને સરળ બનાવવા માટે નીતિની અસરોનું મૂલ્યાંકન કરવું આવશ્યક છે. સામાજિક અને આર્થિક મુદ્દાઓને ઉકેલવા અને નીતિઓની માન્યતા દર્શાવવા માટે આ પ્રક્રિયા મહત્વપૂર્ણ છે. ખાસ કરીને, સ્પષ્ટપણે નક્કી કરવું જરૂરી છે કે આર્થિક નીતિ અથવા સામાજિક કાર્યક્રમની રજૂઆતથી ખરેખર સકારાત્મક અસરો મળી છે કે અણધારી આડઅસરો થયા છે. નીતિની અસરનું મૂલ્યાંકન કરવામાં નીતિ લાગુ થયા પછીના પરિણામોની તુલના નીતિ લાગુ ન કરવામાં આવી હોત તો શું પરિણામો આવ્યા હોત તેની સાથે કરવામાં આવે છે. આ સરખામણી નીતિ નિર્માતાઓ માટે આવશ્યક માહિતી તરીકે કામ કરે છે, ભવિષ્યની નીતિ ડિઝાઇનને જાણ કરે છે અને આખરે એકંદર સામાજિક કલ્યાણમાં વધારો કરવામાં ફાળો આપે છે.
જોકે, કાલ્પનિક પરિણામોનું અવલોકન કરી શકાતું નથી, તેથી ઘટનાની અસરનું મૂલ્યાંકન સારવાર જૂથના પરિણામોની તુલના કરીને કરવામાં આવે છે - જે ઘટનાનો અનુભવ કરનારા નમૂનાઓથી બનેલા છે - નિયંત્રણ જૂથના પરિણામો સાથે - જે ઘટનાનો અનુભવ ન કરનારા નમૂનાઓથી બનેલા છે. નિયંત્રણ અને સારવાર જૂથોની રચના મૂલ્યાંકનની ચોકસાઈ નક્કી કરવા માટે એક મહત્વપૂર્ણ પરિબળ છે. જો બે જૂથો ઘટના સિવાયના પરિબળોમાં ભિન્ન હોય, તો આ તફાવતો મૂલ્યાંકન પરિણામોને વિકૃત કરી શકે છે. તેથી, આ પ્રક્રિયાની ચાવી એ છે કે બે જૂથો બનાવવા જેના માટે પરિણામો ઘટના સિવાયના પરિબળોમાં ભિન્ન હોવાનું કોઈ કારણ નથી. ઉદાહરણ તરીકે, વેતન પર ઘટનાની અસરનું મૂલ્યાંકન કરતી વખતે, જૂથો એવી રીતે બનાવવા જોઈએ કે, ઘટનાની ગેરહાજરીમાં, સારવાર જૂથ અને સરખામણી જૂથનું સરેરાશ વેતન આવશ્યકપણે સમાન હોય. આ પ્રાપ્ત કરવા માટે, એક પ્રાયોગિક ડિઝાઇન જેમાં નમૂનાઓ બે જૂથોને રેન્ડમ રીતે સોંપવામાં આવે છે તે આદર્શ છે. જો કે, માનવ વિષયો અથવા સામાજિક મુદ્દાઓ સાથે વ્યવહાર કરતી વખતે આ પદ્ધતિ ઘણીવાર લાગુ પડતી નથી.
આ મુશ્કેલીઓને કારણે, એવી પરિસ્થિતિઓમાં અર્ધ-પ્રાયોગિક પદ્ધતિઓનો વારંવાર ઉપયોગ થાય છે જ્યાં પ્રાયોગિક પદ્ધતિઓનો ઉપયોગ કરી શકાતો નથી. આ અર્ધ-પ્રાયોગિક પદ્ધતિઓમાં તફાવત-માં-તફાવત (DID) પદ્ધતિ વ્યાપકપણે ઉપયોગમાં લેવાતી તકનીક છે. તફાવત-માં-તફાવત (DID) પદ્ધતિ સારવાર જૂથમાં જોવા મળેલા ફેરફારમાંથી સરખામણી જૂથમાં જોવા મળેલા ફેરફારને બાદ કરીને ઘટનાની અસરનું મૂલ્યાંકન કરે છે. આ મૂલ્યાંકન સમાંતર વલણોની ધારણા પર આધારિત છે, જે દર્શાવે છે કે ઘટનાની ગેરહાજરીમાં પણ, સરખામણી જૂથમાં સમાન તીવ્રતાનો ફેરફાર થયો હોત. જો આ ધારણા સાચી પડે, તો ખાતરી કરવી જરૂરી નથી કે બંને જૂથોની ઘટના પહેલાની પરિસ્થિતિઓ સરેરાશ સમાન હોય.
ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિની ઉપયોગીતા ફક્ત અર્થશાસ્ત્રમાં જ નહીં પરંતુ વિવિધ સામાજિક વિજ્ઞાન અભ્યાસોમાં પણ ઓળખાય છે. તેના ઐતિહાસિક મૂળ તરફ નજર કરીએ તો, એ જાણીતું છે કે જોન સ્નોએ સૌપ્રથમ 1854 માં આ પદ્ધતિનો ઉપયોગ કર્યો હતો. તેમણે લંડનના એક જ વિસ્તારના રહેવાસીઓ પર ધ્યાન કેન્દ્રિત કર્યું હતું જેમને બે અલગ અલગ પાણી કંપનીઓ પાસેથી પાણી મળતું હતું. એક જ પાણીના સ્ત્રોતનો ઉપયોગ કરતી બે કંપનીઓમાંથી, ફક્ત એક જ કંપનીએ તેનો સ્ત્રોત બદલ્યો હતો, છતાં રહેવાસીઓને ખબર નહોતી કે કઈ કંપનીએ તેમનું પાણી પૂરું પાડ્યું હતું. 'જોન સ્નો' એ પાણીના સ્ત્રોતમાં ફેરફાર પહેલા અને પછી કોલેરા મૃત્યુદરમાં થયેલા ફેરફારોની તુલના એવા રહેવાસીઓમાં કરી હતી જેમના સ્ત્રોત બદલાયા હતા અને જેમના નહોતા, અને નિષ્કર્ષ કાઢ્યો હતો કે કોલેરા હવાને બદલે પાણી દ્વારા ફેલાય છે. આ દર્શાવે છે કે ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિ માત્ર આર્થિક વિશ્લેષણમાં જ નહીં પરંતુ જાહેર આરોગ્ય જેવા અન્ય ક્ષેત્રોમાં પણ એક શક્તિશાળી સાધન તરીકે સેવા આપી શકે છે. અર્થશાસ્ત્રમાં, આ પદ્ધતિનો સૌપ્રથમ ઉપયોગ 1910 ના દાયકામાં લઘુત્તમ વેતન કાયદાઓની રજૂઆતની અસરોનું મૂલ્યાંકન કરવા માટે કરવામાં આવ્યો હતો.
જોકે, ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિનો ઉપયોગ કરતી વખતે, સમાંતર વલણોની અંતર્ગત ધારણા સંતોષાય છે કે નહીં તે ચકાસવું આવશ્યક છે. જો સમાંતર વલણોની ધારણા પૂર્ણ ન થાય, તો ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિ લાગુ કરવાથી સારવાર અસરનું ખોટું મૂલ્યાંકન થશે. ઉદાહરણ તરીકે, કાર્યકર તાલીમ કાર્યક્રમની રોજગાર-વધારાની અસરનું મૂલ્યાંકન કરતી વખતે, જો ઝડપી નોકરી ગુમાવવાનો અનુભવ કરતા ઉદ્યોગોમાં કામદારોનું પ્રમાણ નિયંત્રણ જૂથ કરતાં સારવાર જૂથમાં વધુ હોય તો સમાંતર વલણો ધારણા માન્ય રહેશે નહીં. જો કે, જૂથો વચ્ચેના નમૂનાઓની આંકડાકીય સમાનતા વધારવા માટે પૂર્વ-ઘટના સમયગાળાથી હસ્તક્ષેપ જૂથને સરખામણી જૂથ તરીકે નિયુક્ત કરવાથી ખાતરી મળતી નથી કે સમાંતર વલણો ધારણા પૂર્ણ થઈ છે. આનું કારણ એ છે કે, રોજગાર જેવા આર્થિક વધઘટ પ્રત્યે સંવેદનશીલ ફેરફારો માટે - ફેરફારોની એક સાથે હાજરી જૂથો વચ્ચેના નમૂનાઓની આંકડાકીય સમાનતા કરતાં આ ધારણાને સંતોષવા માટે વધુ મહત્વપૂર્ણ હોઈ શકે છે.
ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિના ઉપયોગને વધુ વિશ્વસનીય બનાવવા માટે, સંશોધકો માટે બહુવિધ સરખામણી જૂથો બનાવવા અને દરેક જૂથ પર પદ્ધતિ લાગુ કરીને મેળવેલા મૂલ્યાંકન પરિણામો સુસંગત છે કે કેમ તે ચકાસવું મહત્વપૂર્ણ છે. આ પદ્ધતિઓ ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિનો ઉપયોગ કરીને મૂલ્યાંકનની વિશ્વસનીયતા વધારી શકે છે. વધુમાં, વિવિધ લાક્ષણિકતાઓમાં સારવાર જૂથ સાથે ઉચ્ચ આંકડાકીય સમાનતા દર્શાવતા તુલના જૂથો બનાવવાથી સમાંતર વલણોની ધારણાનું ઉલ્લંઘન થવાની સંભાવના ઘટાડી શકાય છે. આ પદ્ધતિઓનું મહત્વ ખાસ કરીને સામાજિક વિજ્ઞાન સંશોધનમાં પ્રકાશિત થાય છે, જ્યાં પ્રાયોગિક પદ્ધતિઓ લાગુ કરવી મુશ્કેલ છે.
ડિફરન્સ-ઇન-ડિફરન્સ પદ્ધતિ એક શક્તિશાળી વિશ્લેષણાત્મક સાધન છે જેનો ઉપયોગ વિવિધ ક્ષેત્રોમાં થઈ શકે છે, જેમાં નીતિ પ્રભાવ મૂલ્યાંકન, કોર્પોરેટ મેનેજમેન્ટ વ્યૂહરચના મૂલ્યાંકન અને શૈક્ષણિક કાર્યક્રમ અસરકારકતાના વિશ્લેષણનો સમાવેશ થાય છે. જો કે, તેને લાગુ કરતા પહેલા, સમાંતર વલણોની ધારણાની માન્યતા કાળજીપૂર્વક તપાસવી અને જો જરૂરી હોય તો, અન્ય પૂરક પદ્ધતિઓ સાથે તેનો ઉપયોગ કરવો મહત્વપૂર્ણ છે.