नीरज हातेकर / राजन पडवळ भारताचा २०२०-२१ या वर्षांचा आर्थिक सर्वेक्षण अहवाल सालाबादप्रमाणे प्रसिद्ध झाला आहे. निरनिराळ्या राज्यांनी कोविड साथ नियंत्रणात आणण्यासाठी केलेल्या प्रयत्नांचे स्पष्टीकरण या अहवालात आहे. त्यात महाराष्ट्राच्या साथ नियंत्रण कामगिरीविषयी मांडलेल्या निष्कर्षांची तथ्यतपासणी करणारा हा विशेष लेख.. भारताचा २०२०-२१ या वर्षांचा आर्थिक सर्वेक्षण अहवाल सालाबादाप्रमाणे प्रसिद्ध झाला आहे. या वर्षीच्या सर्वेक्षणामध्ये पहिलेच प्रकरण हे केंद्र सरकार आणि विविध राज्यांतील सरकारांनी केलेल्या करोनाच्या व्यवस्थापनाबद्दलचे आहे. या प्रकरणात केंद्र सरकारने अत्यंत कडक टाळेबंदी (लॉकडाऊन) करत लाखो जीव कसे वाचवले आणि एकंदरीत केंद्र शासनाचे कोविड व्यवस्थापन कसे अत्यंत कार्यक्षम होते, यावर विवेचन आहे. शिवाय निरनिराळ्या राज्यांनी कोविड साथ नियंत्रणात आणण्यासाठी केलेल्या प्रयत्नांचे स्पष्टीकरण केलेले आहे. त्यात महाराष्ट्राचा क्रमांक शेवटून पहिला दिलेला आहे. महाराष्ट्र राज्याची काही वैशिष्टय़े बघता, कोविडबाधितांची संख्या जितकी असायला पाहिजे होती त्यापेक्षा ९.५५ लाख लोक जास्तीचे बाधित झाले; त्याउलट उत्तर प्रदेशात अपेक्षेपेक्षा बाधितांचे प्रमाण ११.३९ लाख इतके कमी होते, असे सर्वेक्षण दाखवते. बाधितांची संख्या नियंत्रणात आणण्यामध्ये उत्तर प्रदेशाची कामगिरी सर्वेक्षणाने सर्वोत्कृष्ट ठरवली आहे. गुजरात आणि बिहार कोविड व्यवस्थापन प्रयत्नांत सर्वेक्षणात अनुक्रमे दुसऱ्या आणि तिसऱ्या क्रमांकावर आहेत. या विवेचनाचा अर्थ मुळापासून तपासणे आवश्यक आहे. महाराष्ट्राची आणि उत्तर प्रदेशाची तुलना अत्यंत काळजीपूर्वक समजून घेतली पाहिजे. महाराष्ट्राची कामगिरी ही उत्तर प्रदेशच्या कामगिरीपेक्षा खराब आहे असे सर्वेक्षण म्हणत नाही. महाराष्ट्राकडून जी अपेक्षा होती त्या तुलनेने महाराष्ट्राची कामगिरी खराब झाली; तर उत्तर प्रदेशकडून जी अपेक्षा होती त्या तुलनेने उत्तर प्रदेशाची कामगिरी उजवी झाली, असे सर्वेक्षण म्हणते. म्हणजे गणूकडून ३५ टक्के गुणांची अपेक्षा होती, तर गणूला ५० टक्के गुण मिळाले; पण चंदूकडून ९० टक्के गुणांची अपेक्षा होती, तर चंदूला ७० टक्के गुण मिळाले; यावरून गणूची कामगिरी चंदूपेक्षा चांगली आहे असे म्हणता येईल का? फार तर आपण म्हणू की, गणूला अपेक्षेपेक्षा जास्त गुण मिळाले, तर चंदूला अपेक्षेपेक्षा कमी गुण मिळाले. गणूला त्याच्या अपेक्षेपेक्षा जास्त गुण मिळाले तर त्यात चंदूचा दोष काय? तसेच चंदूला त्याच्या अपेक्षेपेक्षा कमी गुण मिळाले तर गणूचे कौतुक कशाला करायचे? किंवा समजा, गणू आणि चंदू दोघेही निकाल घेऊन एखाद्या महाविद्यालयात प्रवेश घेण्याकरिता गेले, तर ते चंदूला प्रवेश न देता गणूला प्रवेश देईल का? असो. अवलंबलेली पद्धत गैरलागू महाराष्ट्र किंवा उत्तर प्रदेश अथवा इतर कोणत्याही राज्यामध्ये असलेली कोविडबाधितांची संख्या ही त्या त्या राज्याच्या अपेक्षित बाधितांच्या संख्येपेक्षा कमी किंवा जास्त आहे हे ठरवायचे असेल, तर त्या त्या राज्यातील बाधितांची अपेक्षित संख्या किती हे निश्चित करावे लागेल. सगळे पाणी इथेच मुरतेय. एखाद्या राज्यात एका विशिष्ट तारखेला असलेल्या बाधितांच्या संख्येचा आणि त्या राज्यातील काही विशिष्ट घटकांचा एक स्थिर सहसंबंध असेल आणि तो सहसंबंध देशातील सर्व राज्यांसाठी, सर्वकालीन स्थिर असेल, असे गृहीतक सर्वेक्षणात धरले आहे. खरे तर, कोविडचा विषाणू हा सातत्याने स्वरूप बदलत असतो. ऑक्सफर्ड विद्यापीठातील डेव्हिड हेण्ड्री आणि त्यांचे सहकारी कोविडच्या बदलत्या स्वरूपामुळे जी फार मोठी संख्याशास्त्रीय गुंतागुंत निर्माण होते त्याचा अभ्यास करत आहेत. या बदलत्या स्वरूपामुळे कोविडचे भाकीत करण्यासाठी आवश्यक असणारी संख्याशास्त्रीय प्रारूपे मुळातूनच बदलतात. त्यामुळे आर्थिक सर्वेक्षणामध्ये ज्या पद्धतीने सर्वेक्षण केले गेले आहे ती पद्धत गैरलागू ठरते. दुर्दैवाने याविषयी संदर्भ दिलेला नाही. दुसरा मुद्दा म्हणजे, निरनिराळ्या राज्यांची वेगवेगळी वैशिष्टय़े असतात. त्यामुळे प्रत्येक राज्यामध्ये त्या त्या राज्यापुरता त्या राज्यातील घटकांचा आणि त्या राज्यात किती लोक करोनाबाधित आहेत याचा संबंध त्या राज्यापुरता असतो. उदाहरणार्थ, लडाखमध्ये लोकसंख्येची घनता फार कमी आहे, पण शहरीकरण ८४ टक्के आहे. याचे कारण लडाखमधील बहुतेक लोकसंख्या मोजक्या शहरांमध्ये सामावली आहे. दिल्लीमध्येसुद्धा शहरीकरणाचे प्रमाण खूप जास्त आहे आणि लोकसंख्येची घनतासुद्धा जास्त आहे. त्यामुळे लडाख आणि दिल्लीमध्ये लोकसंख्येच्या घनतेचा आणि करोनाबाधित रुग्णांचा सहसंबंध निरनिराळा असणार. असे प्रत्येक राज्यासाठी स्वतंत्र सहसंबंध दर्शविणारे संपूर्ण देशासाठीचे प्रारूप तयारही करता येईल; परंतु सर्वेक्षणात वापरलेल्या प्रारूपाने अशा प्रकारच्या गुंतागुंतीत जाण्याचे टाळलेले आहे. संख्याशास्त्रात अशा ‘शॉर्टकट’ मारल्या तर प्रारूपामधून काढलेले निष्कर्ष कचऱ्याच्या टोपलीत टाकण्यासारखे असतात, हे पदवी प्रथम वर्षांच्या विद्यार्थ्यांना आम्ही शिकवीत असतो. परंतु तज्ज्ञांच्या हे गावीही दिसत नाही! संख्याशास्त्रीय अनर्थ आता आपण एखाद्या राज्यातील अपेक्षित बाधितांची संख्या सर्वेक्षणात कशी काढली आहे ते पाहू या. हल्ली ‘पॅनल डेटा’ नावाचे प्रारूप लोकप्रिय आहे. ते समजावून घेण्यासाठी एक साधे उदाहरण घेऊ. आपल्याला शालेय विद्यार्थ्यांच्या शैक्षणिक प्रगतीचा आणि त्या विद्यार्थ्यांच्या कौटुंबिक उत्पन्नाचा सहसंबंध प्रस्थापित करायचा असेल, तर ‘पॅनल डेटा’ प्रारूपाचा वापर केला जातो. म्हणजे समजा, २०१० साली आपण १००० विद्यार्थ्यांच्या शालेय प्रगतीची आणि त्यांच्या कौटुंबिक उत्पन्नाची आकडेवारी गोळा केली आणि २०११ साली पुन्हा याच दोन घटकांची आकडेवारी गोळा केली, तर यातून आपल्या हाती काय लागेल? तर २०१० साली निरनिराळ्या उत्पन्नगटांत असलेल्या मुलांची शालेय प्रगती काय होती आणि त्याचा त्यांच्या कौटुंबिक उत्पन्नाशी काय संबंध होता, हे २०१०च्या आकडेवारीवरून तपासून पाहता येईल. पण यात एक अडचण अशी आहे की, मुलांची शालेय प्रगती ही निव्वळ मुलांच्या कौटुंबिक उत्पन्नावर अवलंबून नसते. काही मुले जात्याच कष्टाळू असतात किंवा त्यांच्या पालकांचा शैक्षणिक दर्जा अधिक चांगला असू शकतो. याचा परिणाम मुलांच्या शालेय प्रगतीवर होत असतो. म्हणजे शालेय प्रगती आणि कुटुंबाच्या आर्थिक उत्पन्नाच्या सहसंबंधाचा काही भाग हा आपण लक्षात न घेतलेल्या पालकांच्या शैक्षणिक दर्जाशी निगडित असू शकतो. त्यामुळे आपल्याला दिसून आलेल्या शालेय प्रगती आणि कुटुंबाच्या उत्पन्नाच्या सहसंबंधांचा काही भाग वास्तविकदृष्टय़ा पालकांच्या शैक्षणिक दर्जाचा परिणाम असतो. परंतु शैक्षणिक दर्जा आणि कौटुंबिक उत्पन्न हे पुन्हा परस्परांशी निगडित असल्यामुळे या दोन्ही परिणामांना वेगळे काढता येत नाही. अशा गुंतागुंतीच्या परिस्थितीत ‘पॅनल डेटा’ प्रारूप उपयोगी पडते. आपण समजा, त्याच विद्यार्थ्यांची शालेय प्रगती आणि त्यांच्या कुटुंबाच्या उत्पन्नाची २०११ सालची आकडेवारी गोळा केली आणि प्रत्येक विद्यार्थ्यांच्या २०१० आणि २०११ या दोन वर्षांतील शालेय प्रगतीमध्ये झालेला फरक व कौटुंबिक उत्पन्नात झालेला फरक याचा सहसंबंध पाहिला; तर पालकांचा शैक्षणिक दर्जा हा दोन्ही वर्षांत समानच असल्यामुळे त्याचा विद्यार्थ्यांच्या प्रगतीवर होणारा परिणाम आपोआप निघून जातो आणि आपल्याला हवा असलेला सहसंबंध काढता येतो. यासाठी ‘पॅनल डेटा’ प्रारूप उपयोगी पडते. आमूलाग्र बदलणारे निष्कर्ष आता आर्थिक सर्वेक्षणाचा विचार करू या. सर्वेक्षणात ‘पॅनल डेटा’चा वापर केला गेलेला आहे. परंतु त्यात एक किंवा एकापेक्षा अधिक कालखंड विचारात घेतले असतील, तर ते नेमके कोणते हे स्पष्ट केलेले नाही. म्हणजे दोन निरनिराळ्या दिवसांची तुलना केली आहे की दोन निरनिराळ्या आठवडय़ांची की दोन निरनिराळ्या महिन्यांची तुलना केली आहे, हे सर्वेक्षणात कुठेच सांगितलेले नाही. फक्त बाधितांची संख्या ठरवण्यासाठी कोणकोणते घटक वापरले आहेत याचा उल्लेख आहे. एकूण लोकसंख्या, लोकसंख्येची घनता, दरलाख लोकसंख्येमागे केलेल्या चाचण्या, ६० वर्षांवरील लोकसंख्येचे प्रमाण, ० ते १४ वयोगटांतील लोकसंख्येचे प्रमाण आणि १५ ते ५९ वयोगटांतील लोकसंख्येचे प्रमाण- हे घटक वापरून प्रारूप तयार करण्याचा प्रयत्न केलेला आहे. हेच घटक का घेतले, इतर घटक का घेतले नाहीत, याविषयी काहीच स्पष्टता नाही. त्यात ‘दरलाख लोकसंख्येमागे झालेल्या चाचण्या’ हे ‘व्हेरिएबल (चल)’ अडचणीचे आहे. जितक्या चाचण्या अधिक तितकी बाधित सापडण्याची शक्यता अधिक. पण बाधितांची संख्या जशी बदलते तसे चाचण्यांचे प्रमाणसुद्धा बदलत असते. म्हणजे बाधितांची संख्या जशी चाचण्यांच्या प्रमाणावर अवलंबून असते तसेच चाचण्यांचे प्रमाणसुद्धा बाधितांच्या संख्येवर अवलंबून असते. अशा तऱ्हेची ‘व्हेरिएबल्स’ ‘पॅनल डेटा’मध्ये वापरल्यास येणारे निष्कर्ष निव्वळ टाकाऊ असतात, या प्राथमिक बाबीचे भान सर्वेक्षणात दिसत नाही. तसेच लोकसंख्येविषयक जी आकडेवारी वापरली आहे ती २०११ची आहे. कोविड काळामध्ये ती पूर्णपणे स्थिर असल्यामुळे ‘पॅनल डेटा’ प्रारूप उपयुक्त ठरण्याची शक्यता पूर्णपणे मावळते. म्हणजेच महाराष्ट्राच्या किंवा उत्तर प्रदेशच्या कामगिरीसंदर्भातील काढलेल्या निष्कर्षांला संख्याशास्त्रीयदृष्टय़ा काहीच अर्थ नाही. ‘अतिरिक्त मृत्यू’ संशयास्पद.. आम्ही एक वेगळेच प्रारूप तयार करून पाहिले. आमच्या प्रारूपामध्ये आम्ही प्रत्येक राज्यातील बाधितांच्या संख्येचा सहसंबंध त्या त्या राज्यातील मागील वर्षांतील दरडोई उत्पन्नाशी आणि शहरीकरणाच्या प्रमाणाशी लावून पाहिला. साधारणपणे साथीचे रोग दाटीदाटीने वसलेल्या शहरांत अधिक वेगाने पसरत असतात. तसेच जिथे आर्थिक सुबत्ता असते तिथे एकूणच लोकांचे अभिसरण उद्योगधंद्याच्या निमित्ताने अधिक होते ही प्राथमिक धारणा यामागे होती. आमचे हे प्रारूप आर्थिक सर्वेक्षणाच्या प्रारूपापेक्षा दुपटीने लागू पडते. त्याचबरोबर सर्वेक्षणानुसार महाराष्ट्राच्या तथाकथित अतिरिक्त करोनाबाधितांची संख्या ९.११ लाखांवरून तीन लाख इतकी खाली येते. तर उत्तर प्रदेशाची ‘तथाकथित प्रगती’ ही ११.३९ लाखांवरून तिपटीने कमी होते. महाराष्ट्रापेक्षाही केरळ तसेच आंध्र प्रदेशाची प्रगती ही अधिक वाईट दिसते. तर गुजरातची प्रगती ही उत्तर प्रदेशपेक्षा अधिक चांगली दिसते. थोडक्यात, सर्वेक्षणात वापरल्या गेलेल्या प्रारूपामध्ये थोडेसे बदल केले तर निष्कर्ष आमूलाग्र बदलतात. अतिरिक्त मृत्यूंबाबत वापरलेले प्रारूपसुद्धा अशाच प्रकारे संशयास्पद आहे. सर्वेक्षणाच्या प्रारूपानुसार होणाऱ्या मृत्यूंचे प्रमाण हे त्या राज्यातील एकूण बाधित किती आहेत, त्या राज्यातील ६० वर्षांवरील लोकांची संख्या किती आहे आणि १००० लोकसंख्येमागे किती खाटा आहेत, यावर अवलंबून असते असे गृहीत धरून प्रत्येक राज्यात झालेले मृत्यू किती कमी वा अधिक हे मांडलेले आहे. यात महाराष्ट्राविषयी धक्कादायक निष्कर्ष काढलेला आहे. महाराष्ट्रात अपेक्षेपेक्षा ३० हजार मृत्यू अधिक झाले आहेत असे सर्वेक्षणाचे म्हणणे आहे (म्हणजे एकूण मृत्यूंच्या ६० टक्के अतिरिक्त मृत्यू). शासनाच्या अकार्यक्षमतेमुळे हे घडले असा निष्कर्ष यात अनुस्यूत आहे. परंतु हे प्रारूपच मुळात चुकले आहे. कारण मृत्यूंची संख्या ही जशी उपलब्ध खाटांच्या संख्येवर अवलंबून असते तसेच मृत्युदर हा जसा बदलत जातो तसे प्रशासनसुद्धा खाटांची संख्या कमी-जास्त करत असते. पुन्हा इथे तीच बाळबोध चूक करण्यात आलेली आहे. सर्वेक्षण लिहिणाऱ्या लेखकांनी लक्षात घेतलेल्या घटकांव्यतिरिक्तही अन्य घटक मृत्युदरावर परिणाम करीत असतात. आम्ही हे प्रारूप थोडे बदलून पाहिले. एखाद्या राज्यात होणाऱ्या मृत्यूंची संख्या ही त्या राज्यातील मागील वर्षांच्या दरडोई उत्पन्नाशी आणि मागील वर्षी असलेल्या संसर्गजन्य रोगाच्या प्रमाणाशी जोडून पाहिली. यामागची कारणमीमांसा अशी की, साधारणपणे अधिक सुबत्ता असलेल्या राज्यामध्ये लोकांचे अभिसरण अधिक असल्यामुळे मृत्यूंची संख्या जास्त असण्याची शक्यता असते. तसेच पूर्वीपासून संसर्गजन्य रोगाचे प्रमाण जिथे जास्त असते तिथेसुद्धा करोनासारख्या रोगाने होणाऱ्या मृत्यूंचे प्रमाण अधिक असण्याची शक्यता असते. आमचे हे अत्यंत साधे प्रारूप वेगवेगळ्या राज्यांत होणाऱ्या मृत्यूंपैकी ८५ टक्के मृत्यूंचे स्पष्टीकरण करते. सर्वेक्षणामधल्या प्रारूपामध्ये किती टक्के मृत्यू स्पष्ट होतात हे कुठेही नोंदवलेले नाही. सगळ्यात महत्त्वाचे म्हणजे, हे वेगळे प्रारूप वापरले तर महाराष्ट्रातील अतिरिक्त मृत्यूंची संख्या ३० हजारांवरून (ऋण) -३,३०० होते. म्हणजे महाराष्ट्राची कामगिरी ही अपेक्षित कामगिरीपेक्षा उजवी ठरते. थोडक्यात, आर्थिक सर्वेक्षणात केलेल्या कोविडच्या व्यवस्थापनाविषयीच्या विश्लेषणाला आणि महाराष्ट्राविषयी काढलेल्या निष्कर्षांला गांभीर्याने घेण्याचे काहीच कारण नाही. सर्वसाधारणपणे एमएच्या पहिल्या किंवा दुसऱ्या सत्रातील अर्धकच्च्या विद्यार्थ्यांने केलेला आणि आळशी गुरुजींच्या नजरेतून सुटलेला हा प्रकार आहे. एक तर सर्वेक्षणातील प्रारूप चुकले आहे. सैद्धान्तिक कसोटीवर हे विश्लेषण खरे ठरत नाही. प्रारूपामधील ‘व्हेरिएबल्स’ बदलली तर निष्कर्ष मुळापासून बदलतात. अशा प्रारूपावर विश्वास ठेवू नये. मग प्रश्न असा येतो की, आर्थिक सर्वेक्षणासारख्या अत्यंत महत्त्वाच्या दस्तावेजाचे संख्याशास्त्रीय विश्लेषण इतके डळमळीत कसे? आर्थिक सर्वेक्षणाची मांडणी ही केंद्र शासनाची भूमिका समजली जाते. केंद्र शासनाने इतक्या अर्धवट संख्याशास्त्रीय पायावर महाराष्ट्रातील अतिरिक्त ६० टक्के मृत्यू हे शासनाच्या अकार्यक्षमतेमुळे झाले आहेत असे म्हणणे हे बेजबाबदारपणाचे लक्षण नाही का? कदाचित माध्यमांना आणि उद्योगसमूहाच्या अर्थतज्ज्ञांना हे संख्याशास्त्रीय बारकावे समजणार नाहीत म्हणून असे निष्कर्ष खपून जातील असा विचार केला गेला असावा. पण महाराष्ट्रात हे बारकावे नीट पकडून यातील त्रुटी दाखवू शकणारी अभ्यासू मंडळी अद्याप आहेत याचा आर्थिक सर्वेक्षणाचे लेखन करणाऱ्यांना विसर पडला असावा! (लेखकद्वय अर्थशास्त्राचे अभ्यासक आहेत.) neeraj.hatekar@gmail.com rwpadwal@gmail.com
