লেখক যদুবাবুর আগের লেখার রেফারেন্স দিয়ে মাল্টিভেরিয়েট রিগ্রেশন করেছেন বিধানসভা কেন্দ্র-ভিত্তিক। মূল ফলাফল:

• ডেটা: ২০১১ সেনসাস (সাক্ষরতা, SC, নারী অনুপাত ইত্যাদি) + দুটো মুসলিম শেয়ার এস্টিমেট (রাফায়েল সাসউইন্ড ২০২১ নাম-ভিত্তিক + শুভাশিষ দে এট আলের ২০১১-ভিত্তিক)।
• ডিপেন্ডেন্ট ভেরিয়েবল: প্রথম দফায় “বাদ যাওয়া + বিবেচনাধীন” নামের হার (ভোটার সংখ্যা দিয়ে normalized)।
• রিগ্রেশন: জেলা fixed effects + robust SE। দুটো মডেলেই মুসলিম শেয়ারের কো-এফিসিয়েন্ট পজিটিভ ও স্ট্যাটিসটিক্যালি সিগনিফিক্যান্ট (CI শূন্য ছোঁয় না)। সাক্ষরতা ও SC শেয়ার → নেগেটিভ (কম বাদ)। নারী অনুপাত নেগেটিভ কিন্তু insignificant।
• স্ক্যাটার প্লট দেখানো হয়েছে দুই এস্টিমেটের মধ্যে পার্থক্য (হাই-মুসলিম এলাকায় বেশি divergence)। ম্যাপে deletion rate-এর ছায়া (গাঢ় = বেশি বাদ)।

লেখক স্পষ্ট বলেছেন: “এসব লিখে লাভ কী হবে জানি না… তথ্যভিত্তিক আলোচনার পথ খোলে তাহলে লাভ আছে।” অর্থাৎ কোনো conspiracy claim নয়, শুধু pattern দেখানো।এখন ভুল বিচারের অংশ (যেখানে লেখাটির সীমাবদ্ধতা/ভুল/দুর্বলতা আছে):১. ডেটা ল্যাগের বড় সমস্যা
২০১১ সেনসাস + ২০২১ নাম-অ্যালগরিদম দিয়ে ২০২৫-২৬-এর SIR deletion ব্যাখ্যা করা হচ্ছে। কিন্তু border districts-এ (মুর্শিদাবাদ, মালদা, উত্তর দিনাজপুর) ১৫ বছরে migration, birth/death, urbanisation অনেক বেশি। যে এলাকায় deletion বেশি, সেখানেই দুই মুসলিম এস্টিমেটের divergence বেশি — অর্থাৎ measurement error সবচেয়ে বেশি যেখানে ফলাফল সবচেয়ে sensitive, সেটা statistical bias তৈরি করতে পারে।২. Ecological fallacy + omitted variable bias
এটা pure aggregate (constituency-level) regression। ব্যক্তি-স্তরে কে বাদ গেছে তার ডেটা নেই। মুসলিম-ঘন এলাকায় deletion বেশি হওয়াটা socio-economic reality হতে পারে:

• দরিদ্রতা, ডকুমেন্টেশনের অভাব (Aadhaar/ration/j birth certificate কম)
• historical duplicate/fake voter বেশি
• uncollectable SIR enumeration form (EC-র অফিসিয়াল কারণ)
  লেখায় literacy ও SC control করা হয়েছে, কিন্তু poverty rate, migration rate, previous duplicate rate, urban/rural split, BLO-র ground verification efficiency control হয়নি। জেলা FE আছে, কিন্তু constituency-level political affiliation বা TMC stronghold effect নেই।

৩. EC-র আসল ফ্ল্যাগিং ক্রাইটেরিয়া ধরা হয়নি
SIR-এ deletion/under adjudication মূলত হয় “illogical discrepancies” থেকে (progeny >6, ২০০২ লিস্টে unmapped, address mismatch ইত্যাদি)। কয়েকটা independent report (The Wire, SABAR Institute) বলছে এই discrepancies-এর কিছু ক্ষেত্রে inverse বা ভিন্ন pattern আছে। আপনার লেখায় শুধু deletion rate নেওয়া হয়েছে, কিন্তু কোন কারণে বাদ গেছে তার breakdown নেই। ফলে correlation দেখা যাচ্ছে, কিন্তু mechanism বোঝা যাচ্ছে না।৪. সময়কালের অসম্পূর্ণতা
লেখা লেখার সময় “বিবেচনাধীন তালিকা এখনও আমাদের কাছে নেই” বলা হয়েছে। কিন্তু আজ (৭ এপ্রিল ২০২৬) final SIR roll published হয়ে গেছে। মোট deletion ~৯০ লাখ+ (EC data), under adjudication-এর অনেক কেস এখন resolved। নতুন ডেটা দিয়ে রিগ্রেশন চালালে ফলাফল একই থাকবে কি না — সেটা চেক করা দরকার।৫. Interpretation-এর সীমা
লেখক নিজে causation claim করেননি, শুধু “পর্যবেক্ষণ”। কিন্তু পাঠকের মনে সহজেই “targeting” ইমপ্রেশন তৈরি হয়। আসলে এটা correlation মাত্র। Causation প্রমাণ করতে চাইলে booth-level micro-data, individual deletion reason, random audit বা difference-in-difference design লাগবে।সারকথা (সোজা বাংলায়):
লেখাটি তথ্যভিত্তিক এবং পদ্ধতিগতভাবে পরিষ্কার — correlationটা আছে, অস্বীকার করার উপায় নেই। কিন্তু ভুল বিচারের জায়গা হলো: পুরনো ডেটা, incomplete controls, এবং ecological level-এর কারণে এটা “মুসলিমদের টার্গেট করা হচ্ছে” প্রমাণ করে না। এটা শুধু দেখায় যে deletion বেশি হয়েছে মুসলিম-ঘন এলাকায়। বাকিটা socio-economic + administrative factor হতে পারে (যেমন EC বলছে)। আরও granular ডেটা (booth-wise deletion reason) পেলে আরও ভালো করে চেক করা যেত। যদি আপনার কাছে raw data বা updated final roll-এর breakdown থাকে, দিন — আমি নিজে regression rerun করবো । তথ্যভিত্তিক আলোচনাই সবচেয়ে বড় লাভ। কোনো পক্ষের না, শুধু সত্যের।

​​​​​​​

আমার কাছেও ডাটা নাই। মানে ডাটা জানা নাই আমি আপনার ডাটার ভুল ধরছি  না। ডাটার লুপহোল আছে তাই বলছি। 

আশা করেছি এটা আপনি ও মানছেন।