2.4.3.2 ಬರೆಯುವುದು

ಸಂದರ್ಭಗಳಲ್ಲಿ ದೂರ ಸಮರುವಿಕೆಯನ್ನು ನ್ಯಾಯಯುತ ಹೋಲಿಕೆಗಳು ರಚಿಸಲು ಹೊಂದಾಣಿಕೆ.

ಫೇರ್ ಹೋಲಿಕೆಗಳು ಯಾದೃಚ್ಛಿಕ ನಿಯಂತ್ರಿತ ಪ್ರಯೋಗಗಳು ಅಥವಾ ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗಗಳನ್ನು ಎರಡೂ ಬರಬಹುದಿತ್ತು. ಆದರೆ, ನೀವು ಆದರ್ಶ ಪ್ರಯೋಗ ನಡೆಸಲು ಸಾಧ್ಯವಿಲ್ಲ ಅಲ್ಲಿ ಮತ್ತು ಪ್ರಕೃತಿ ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗ ಒದಗಿಸಿಲ್ಲ ಅನೇಕ ಸನ್ನಿವೇಶಗಳು ಇವೆ. ಈ ರೀತಿಯ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ, ನ್ಯಾಯಯುತ ಹೋಲಿಕೆಯಾಗಿದೆ ಹೊಂದಾಣಿಕೆ ಇದೆ ರಚಿಸಲು ಅತ್ಯುತ್ತಮ ಮಾರ್ಗವಾಗಿದೆ. ಹೊಂದಾಣಿಕೆಯ ರಲ್ಲಿ ಸಂಶೋಧಕ ಹೊರತುಪಡಿಸಿ ಒಂದು ಚಿಕಿತ್ಸೆ ಪಡೆದಿದೆ ಹೋಲುವ ಜನರು ಜೋಡಿ ರಚಿಸಲು ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ಅಕ್ಷಾಂಶ ಮೂಲಕ ಕಾಣುತ್ತದೆ ಮತ್ತು ಒಂದು ಹೊಂದಿದೆ. ಹೊಂದಾಣಿಕೆಯ ಪ್ರಕ್ರಿಯೆಯಲ್ಲಿ, ಸಂಶೋಧಕರು ವಾಸ್ತವವಾಗಿ ಸಹ ಸಮರುವಿಕೆಯನ್ನು ಇದ್ದರೆ; ಯಾವುದೇ ಸ್ಪಷ್ಟ ಹೋಲಿಕೆ ನಿದರ್ಶನಗಳಲ್ಲಿ ಬಿಸಾಡಿದ, ಆಗಿದೆ. ಹೀಗಾಗಿ, ಈ ವಿಧಾನ ಹೆಚ್ಚು ನಿಖರವಾಗಿ ಹೊಂದಾಣಿಕೆಯ ಮತ್ತು ಸಮರುವಿಕೆಯನ್ನು ಕರೆಯಲಾಗುತ್ತದೆ, ಆದರೆ ಸಾಂಪ್ರದಾಯಿಕ ಪದ ಉಳಿಸಿ ಮಾಡುತ್ತೇವೆ: ಹೊಂದಾಣಿಕೆಯ.

ಬೃಹತ್ ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ಅಂಕಿಅಂಶಗಳನ್ನು ಮೂಲಗಳು ತಂತ್ರಗಳನ್ನು ತಾಳೆಯಾಗುವ ಅಧಿಕಾರದ ಸುಂದರ ಉದಾಹರಣೆಗೆ Liran Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಗ್ರಾಹಕರ ವರ್ತನೆಯನ್ನು ಮೇಲೆ ಸಂಶೋಧನೆ ಬರುತ್ತವೆ (2015) . Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಇಬೇ ನಡೆಯುತ್ತಿರುವ ಹರಾಜು ಆಸಕ್ತಿ, ಮತ್ತು ಅವರ ಕೆಲಸ ವಿವರಿಸುವ, ನಾನು ಒಂದು ನಿರ್ದಿಷ್ಟ ಮಗ್ಗುಲು ಮಾಡುತ್ತೇವೆ: ಪರಿಣಾಮ ಹರಾಜು ಆರಂಭಿಕ ಬೆಲೆ ಇಂತಹ ಮಾರಾಟ ಬೆಲೆ ಅಥವಾ ಮಾರಾಟ ಸಂಭವನೀಯತೆ ಹರಾಜು ಫಲಿತಾಂಶಗಳು ಮೇಲೆ.

ಮಾರಾಟ ಬೆಲೆ ಮೇಲೆ ಆರಂಭಿಕ ಬೆಲೆ ಪರಿಣಾಮ ಬಗ್ಗೆ ಪ್ರಶ್ನೆಗೆ ಅತ್ಯಂತ ಮುಗ್ಧ ದಾರಿಯೆಂದರೆ ವಿಭಿನ್ನ ಆರಂಭಿಕ ಬೆಲೆಗಳೊಂದಿಗೆ ಹರಾಜು ಅಂತಿಮ ಬೆಲೆ ಲೆಕ್ಕ ಎಂದು. ನೀವು ಕೇವಲ ಊಹಿಸಲು ಒಂದು ನಿರ್ದಿಷ್ಟ ಆರಂಭಿಕ ಬೆಲೆ ಇಬೇ ಮೇಲೆ ಎಂದು ಒಂದು ನಿರ್ದಿಷ್ಟ ಐಟಂ ಮಾರಾಟ ಬೆಲೆಯ ಬಯಸಿದರೆ ಈ ವಿಧಾನ ಚೆನ್ನಾಗಿರುತ್ತದೆ. ಆದರೆ, ನಿಮ್ಮ ಪ್ರಶ್ನೆ ಈ ವಿಧಾನವು ಮಾರುಕಟ್ಟೆ ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಬೆಲೆ ಪ್ರಾರಂಭವಾಗುತ್ತಿದೆ ನ್ಯಾಯಯುತ ಹೋಲಿಕೆಗಳ ಮೇಲೆ ಆಧಾರಿತವಾದ ಏಕೆಂದರೆ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ ಪರಿಣಾಮ ಏನು ವೇಳೆ; ಕಡಿಮೆ ಆರಂಭಿಕ ಬೆಲೆಗಳೊಂದಿಗೆ ಹರಾಜು ಹೆಚ್ಚಿನ ಆರಂಭಿಕ ಬೆಲೆ (ಉದಾಹರಣೆಗೆ, ಅವರು ಸರಕುಗಳ ವಿವಿಧ ಅಥವಾ ಮಾರಾಟಗಾರರು ವಿವಿಧ ಒಳಗೊಳ್ಳಬಹುದು) ಜೊತೆ ಹರಾಜು ಭಿನ್ನವಾಗಿದ್ದವು ಇರಬಹುದು.

ನೀವು ನ್ಯಾಯಯುತ ಹೋಲಿಕೆ ಮಾಡುವ ಬಗ್ಗೆ ಈಗಾಗಲೇ ಕಾಳಜಿ ಇದ್ದರೆ, ನೀವು ನಿಷ್ಕಪಟ ವಿಧಾನ ಬಿಟ್ಟು ನೀವು ಒಂದು ಗಾಲ್ಫ್ ಕ್ಲಬ್-ಮಾರಾಟ ಅಲ್ಲಿ ಒಂದು ನಿರ್ದಿಷ್ಟ ಐಟಂ ಹೇಳುತ್ತಾರೆ ಹರಾಜು ಒಂದು ಸ್ಥಿರ ಗುಂಪನ್ನು ಒಂದು ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗವನ್ನು ನಡೆಸುತ್ತಾ ಪರಿಗಣಿಸಬಹುದಾಗಿದೆ ನಿಯತಾಂಕಗಳನ್ನು-ಸೇ, ಉಚಿತ ಹಡಗು, ಹರಾಜು ಎರಡು ವಾರಗಳ, ಮುಕ್ತ ಇತ್ಯಾದಿ ಆದರೆ ಯಾದೃಚ್ಛಿಕವಾಗಿ ಆರಂಭಿಕ ಬೆಲೆ ಸೆಟ್. ಪರಿಣಾಮವಾಗಿ ಮಾರುಕಟ್ಟೆ ಫಲಿತಾಂಶಗಳನ್ನು ಹೋಲಿಕೆ, ಈ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗ ಮಾರಾಟ ಬೆಲೆ ಬೆಲೆ ಆರಂಭಿಸುವ ಪರಿಣಾಮ ಒಂದು ಸ್ಪಷ್ಟ ಮಾಪನ ಎನ್ನಬೇಕು. ಆದರೆ, ಈ ಮಾಪನ ಕೇವಲ ಒಂದು ನಿರ್ದಿಷ್ಟ ಉತ್ಪನ್ನ ಅರ್ಜಿ ಮತ್ತು ಹರಾಜು ನಿಯತಾಂಕಗಳನ್ನು ಸರಿಹೊಂದಿಸುತ್ತಿತ್ತು. ವಿವಿಧ, ಉದಾಹರಣೆಗೆ, ಉತ್ಪನ್ನಗಳು ವಿವಿಧ ಫಲಿತಾಂಶಗಳು ಇರಬಹುದು. ಬಲವಾದ ಸಿದ್ಧಾಂತವಿಲ್ಲದೇ, ಈ ಒಂದೇ ಪ್ರಯೋಗ ಸಾಧ್ಯ ಪ್ರಯೋಗಗಳನ್ನು ಸಂಪೂರ್ಣ ಶ್ರೇಣಿಯ ರನ್ ಮಾಡಲಾಗಿದೆ ಎಂದು ರಿಂದ ಲೆಕ್ಕಹಾಕಲು ಕಷ್ಟ. ಇದಲ್ಲದೆ, ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳನ್ನು ಸಾಕಷ್ಟು ದುಬಾರಿ ಉತ್ಪನ್ನಗಳ ಮತ್ತು ಹರಾಜು ರೀತಿಯ ಇಡೀ ಸ್ಪೇಸ್ ಪರಿಮಾಣದ ರಕ್ಷಣೆ ಸಾಕಷ್ಟು ಅವುಗಳಲ್ಲಿ ಅಪ್ ಚಲಾಯಿಸಲು ಕೈಗೊಳ್ಳಲಾಗುವುದಿಲ್ಲ ಎಂದು ಇವೆ.

ನಿಷ್ಕಪಟ ವಿಧಾನ ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಪ್ರಸ್ತಾಪವನ್ನು ವಿರುದ್ಧವಾಗಿ, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಮೂರನೇ ವಿಧಾನಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿತು: ಹೊಂದಾಣಿಕೆಯ. ತಮ್ಮ ಕಾರ್ಯತಂತ್ರದ ಮುಖ್ಯ ಟ್ರಿಕ್ ಈಗಾಗಲೇ ಇಬೇ ಸಂಭವಿಸಿದ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳನ್ನು ಅಸಹ್ಯ ಅನ್ವೇಷಿಸಲು ಮಾಡುವುದು. ಉದಾಹರಣೆಗೆ, ಚಿತ್ರ 2.6 ಒಂದೇ ಗಾಲ್ಫ್ ಕ್ಲಬ್ ಒಂದು ಒಂದೇ seller- "budgetgolfer" ಮೂಲಕ ಟೈಲರ್ ಬರ್ನರ್ 09 ಚಾಲಕ-ಮಾಡಲಾಗುತ್ತಿದೆ ಮಾರಾಟ 31 ಪಟ್ಟಿಗಳು ಕೆಲವು ತೋರಿಸುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಈ ಪಟ್ಟಿಗಳನ್ನು ಸ್ವಲ್ಪ ವಿಭಿನ್ನ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿವೆ. ಅವುಗಳಲ್ಲಿ ಇಲೆವೆನ್ $ 124,99 ಒಂದು ನಿಶ್ಚಿತ ಬೆಲೆಗೆ ಚಾಲಕ ನೀಡುತ್ತವೆ ಇತರ 20 ವಿವಿಧ ಅಂತಿಮ ದಿನಾಂಕ ಜೊತೆ ಹರಾಜು ಇವೆ. ಅಲ್ಲದೆ, ಪಟ್ಟಿಗಳು, ವಿವಿಧ ಹಡಗು ಶುಲ್ಕಗಳು ಎರಡೂ $ 7.99 ಅಥವಾ $ 9.99. ಅರ್ಥಾತ್, ಇದು "budgetgolfer" ಸಂಶೋಧಕರು ಪ್ರಯೋಗಗಳ ಚಾಲನೆಯಲ್ಲಿರುವ ವೇಳೆ ಆಗಿದೆ.

ಟೈಲರ್ ಬರ್ನರ್ 09 ಚಾಲಕ ಪಟ್ಟಿಗಳನ್ನು "budgetgolfer" ಮಾರುತ್ತಿರುವ ನಿಖರ ಅದೇ ಐಟಂ ನಿಖರ ಅದೇ ಮಾರಾಟಗಾರ ಮಾರುತ್ತಿರುವ ಅಲ್ಲಿ ಪಟ್ಟಿಗಳು, ಒಂದು ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಆದರೆ ಸ್ವಲ್ಪ ವಿವಿಧ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಹೊಂದಿರುವ ಪ್ರತಿ ಬಾರಿ ಒಂದು ಉದಾಹರಣೆ. ಇಬೇ ಬೃಹತ್ ದಾಖಲೆಗಳು ಒಳಗೆ ಅಕ್ಷರಶಃ ಪಟ್ಟಿಗಳು ಲಕ್ಷಾಂತರ ಒಳಗೊಂಡ ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಸಾವಿರಾರು ನೂರಾರು. ಹೀಗಾಗಿ, ಬದಲಿಗೆ ಒಂದು ನಿರ್ದಿಷ್ಟ ಆರಂಭಿಕ ಬೆಲೆ ಎಲ್ಲ ಹರಾಜು ಅಂತಿಮ ಬೆಲೆಯನ್ನು ಹೋಲಿಸಿದರೆ ಹೆಚ್ಚು, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಒಳಗೆ ಹೋಲಿಸಿ ನೋಡುವುದು. ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಸಾವಿರಾರು ಈ ನೂರಾರು ಒಳಗೆ ಹೋಲಿಕೆಗಳು ಫಲಿತಾಂಶಗಳನ್ನು ಒಗ್ಗೂಡಿ ಸಲುವಾಗಿ, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಪ್ರತಿ ಐಟಂ (ಉದಾಹರಣೆಗೆ, ಅದರ ಸರಾಸರಿ ಮಾರಾಟ ಬೆಲೆ) ಉಲ್ಲೇಖ ಮೌಲ್ಯವನ್ನು ವಿಷಯದಲ್ಲಿ ಆರಂಭಿಕ ಬೆಲೆ ಮತ್ತು ಅಂತಿಮ ಬೆಲೆ ಮರು ವ್ಯಕ್ತಪಡಿಸಲು. ಉದಾಹರಣೆಗೆ, ಟೈಲರ್ ಬರ್ನರ್ 09 ಚಾಲಕ $ 100 ಒಂದು ಉಲ್ಲೇಖ ಮೌಲ್ಯವನ್ನು ವೇಳೆ (ಅದರ ಮಾರಾಟ ಆಧರಿಸಿ), ನಂತರ $ 10 ಒಂದು ಆರಂಭಿಕ ಬೆಲೆ 0.1 ವ್ಯಕ್ತಪಡಿಸಬಹುದು ಮತ್ತು $ 120 ಅಂತಿಮ ಬೆಲೆ 1.2 ವ್ಯಕ್ತಪಡಿಸಬಹುದು ಎಂದು.

ಚಿತ್ರ 2.6: ಒಂದು ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಉದಾಹರಣೆ. ಈ ನಿಖರ ಅದೇ ವ್ಯಕ್ತಿ (budgetgolfer) ಮಾರುತ್ತಿರುವ ಅದೇ ಗಾಲ್ಫ್ ಕ್ಲಬ್ (ಒಂದು ಟೈಲರ್ ಬರ್ನರ್ 09 ಚಾಲಕ), ಆದರೆ ಈ ಮಾರಾಟ ಕೆಲವು ವಿವಿಧ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ (ಉದಾಹರಣೆಗೆ, ವಿವಿಧ ಆರಂಭಿಕ ಬೆಲೆ) ಪ್ರದರ್ಶಿಸಲಾಯಿತು. ಚಿತ್ರ Einav ಇತರರು ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ. (2015).

ಚಿತ್ರ 2.6: ಒಂದು ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಉದಾಹರಣೆ. ಈ ನಿಖರ ಅದೇ ವ್ಯಕ್ತಿ ( "budgetgolfer") ಮಾರುತ್ತಿರುವ ಅದೇ ಗಾಲ್ಫ್ ಕ್ಲಬ್ (ಒಂದು ಟೈಲರ್ ಬರ್ನರ್ 09 ಚಾಲಕ), ಆದರೆ ಈ ಮಾರಾಟ ಕೆಲವು ವಿವಿಧ ಪರಿಸ್ಥಿತಿಗಳಲ್ಲಿ (ಉದಾಹರಣೆಗೆ, ವಿವಿಧ ಆರಂಭಿಕ ಬೆಲೆ) ಪ್ರದರ್ಶಿಸಲಾಯಿತು. ಚಿತ್ರ ತೆಗೆದುಕೊಳ್ಳಲಾಗಿದೆ Einav et al. (2015) .

Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಪರಿಣಾಮ ಆರಂಭ ಬೆಲೆ ಹರಾಜು ಫಲಿತಾಂಶಗಳ ಮೇಲೆ ಆಸಕ್ತಿ ಎಂದು ನೆನಪಿಸಿಕೊಳ್ಳುತ್ತಾರೆ. ಮೊದಲ, ರೇಖಾತ್ಮಕ ಹಿಂಜರಿತ ಬಳಸಿಕೊಂಡು ಅವರು ಹೆಚ್ಚಿನ ಆರಂಭಿಕ ಬೆಲೆ ಮಾರಾಟ ಸಂಭವನೀಯತೆ ಕಡಿಮೆ ಎಂದು, ಮತ್ತು ಹೆಚ್ಚಿನ ಆರಂಭಿಕ ಬೆಲೆ ಹೆಚ್ಚಿಸಲು ಅಂತಿಮ ಮಾರಾಟ ಬೆಲೆ ಮಾರಾಟ ಸಂಭವಿಸುವ ಷರತ್ತುಬದ್ಧ ಅಂದಾಜು. ಸ್ವತಃ ಈ ಅಂದಾಜುಗಳು-ಎಲ್ಲಾ ಉತ್ಪನ್ನಗಳು ಸರಾಸರಿ ಮತ್ತು ಆರಂಭಿಕ ಬೆಲೆ ಮತ್ತು ಅಂತಿಮ ನಡುವೆ ರೇಖೀಯ ಸಂಬಂಧ ಭಾವಿಸುವುದಿಲ್ಲ ಎಲ್ಲ ಆಸಕ್ತಿಕರ ಫಲಿತಾಂಶ ಇವೆ. ಆದರೆ, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮ ಸಂಶೋಧನೆಗಳು ವಿವಿಧ ಅಂದಾಜು ತಮ್ಮ ದತ್ತಾಂಶವನ್ನು ಬೃಹತ್ ಗಾತ್ರವನ್ನು ಬಳಸಿ. ಮೊದಲ, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ಪ್ರತ್ಯೇಕವಾಗಿ ವಿವಿಧ ದರಗಳಲ್ಲಿ ಐಟಂಗಳನ್ನು ಮತ್ತು ರೇಖಾತ್ಮಕ ಹಿಂಜರಿತ ಬಳಸದೆ ಈ ಅಂದಾಜು ಮಾಡಿದ. ಅವರು ಆರಂಭದ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ ಸಂಭವನೀಯತೆ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ರೇಖೀಯ ಹಾಗೆಯೇ, ಆರಂಭಿಕ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ ಬೆಲೆ ನಡುವಿನ ಸಂಬಂಧವನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ರೇಖಾತ್ಮಕವಲ್ಲದ (ಚಿತ್ರ 2.7) ಇದೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ, 0.05 ಮತ್ತು 0.85 ನಡುವೆ ಬೆಲೆಗಳು ಆರಂಭಿಸಲು, ಆರಂಭಿಕ ಬೆಲೆ ಮಾರಾಟ ಬೆಲೆ ರೇಖೀಯ ಸಂಬಂಧ ಭಾವಿಸಲಾಗಿತ್ತು ಎಂದು ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ತಪ್ಪಿಸಿಕೊಂಡ ಪೂರ್ಣಗೊಂಡಿತು ದೊರೆತ ಮೇಲೆ ಕಡಿಮೆ ಪರಿಣಾಮವನ್ನು ಹೊಂದಿದೆ.

ಹರಾಜು ಆರಂಭ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ (ಎಡ ಫಲಕದಲ್ಲಿ) ಮತ್ತು ಮಾರಾಟ ಬೆಲೆ (ಬಲ ಫಲಕ) ಸಂಭವನೀಯತೆ ನಡುವಿನ ಸಂಬಂಧ: ಚಿತ್ರ 2.7. ಆರಂಭದಲ್ಲಿ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ ಸಂಭವನೀಯತೆ ನಡುವೆ ರೇಖೀಯ ಸಂಬಂಧ ಸುಮಾರು, ಆದರೆ ಆರಂಭದ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ ಬೆಲೆ ನಡುವೆ ರೇಖೀಯವಲ್ಲದ ಸಂಬಂಧ ಇಲ್ಲ; 0.05 ಮತ್ತು 0.85 ನಡುವೆ ಬೆಲೆಗಳು ಆರಂಭಿಸಲು, ಆರಂಭಿಕ ಬೆಲೆ ಮಾರಾಟ ಬೆಲೆ ಮೇಲೆ ಕಡಿಮೆ ಪರಿಣಾಮವನ್ನು ಹೊಂದಿದೆ. ಎರಡೂ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಸಂಬಂಧಗಳು ಐಟಂ ಮೌಲ್ಯದ ಮೂಲತಃ ಸ್ವತಂತ್ರ. ಈ ಗ್ರಾಫ್ ಅಂಜೂರ 4A ಮತ್ತು 4 ಬೌ Einav ಇತರರು ಸಂತಾನೋತ್ಪತ್ತಿ. (2015).

ಹರಾಜು ಆರಂಭ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ (ಎಡ ಫಲಕದಲ್ಲಿ) ಮತ್ತು ಮಾರಾಟ ಬೆಲೆ (ಬಲ ಫಲಕ) ಸಂಭವನೀಯತೆ ನಡುವಿನ ಸಂಬಂಧ: ಚಿತ್ರ 2.7. ಆರಂಭದಲ್ಲಿ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ ಸಂಭವನೀಯತೆ ನಡುವೆ ರೇಖೀಯ ಸಂಬಂಧ ಸುಮಾರು, ಆದರೆ ಆರಂಭದ ಬೆಲೆ ಮತ್ತು ಮಾರಾಟ ಬೆಲೆ ನಡುವೆ ರೇಖೀಯವಲ್ಲದ ಸಂಬಂಧ ಇಲ್ಲ; 0.05 ಮತ್ತು 0.85 ನಡುವೆ ಬೆಲೆಗಳು ಆರಂಭಿಸಲು, ಆರಂಭಿಕ ಬೆಲೆ ಮಾರಾಟ ಬೆಲೆ ಮೇಲೆ ಕಡಿಮೆ ಪರಿಣಾಮವನ್ನು ಹೊಂದಿದೆ. ಎರಡೂ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಸಂಬಂಧಗಳು ಐಟಂ ಮೌಲ್ಯದ ಮೂಲತಃ ಸ್ವತಂತ್ರ. ಈ ಗ್ರಾಫ್ ಅಂಜೂರ 4A ಮತ್ತು 4 ಬೌ ಸಂತಾನೋತ್ಪತ್ತಿ Einav et al. (2015) .

ಎರಡನೇ, ಬದಲಿಗೆ ಎಲ್ಲಾ ಐಟಂಗಳನ್ನು ಸರಾಸರಿ ಹೆಚ್ಚು, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ತಮ್ಮ ದತ್ತಾಂಶದ ಭಾರಿ ಪ್ರಮಾಣದ ಐಟಂಗಳನ್ನು (ಉದಾ, ಪಿಇಟಿ ಸರಬರಾಜು, ಎಲೆಕ್ಟ್ರಾನಿಕ್ಸ್ ಮತ್ತು ಕ್ರೀಡಾ ಸ್ವತ್ತುಗಳ) (ಚಿತ್ರ 2.8) 23 ವಿವಿಧ ವಿಭಾಗಗಳಲ್ಲಿ ಆರಂಭಿಕ ಬೆಲೆ ಪರಿಣಾಮವನ್ನು ಅಂದಾಜು ಬಳಸಿ. ಈ ಅಂದಾಜಿನ ಹೆಚ್ಚು ವಿಶಿಷ್ಟ ಐಟಂಗಳನ್ನು ಅಂತಹ ಚಿರಸ್ಮರಣೀಯ ಆರಂಭ ಬೆಲೆ ಮಾರಾಟ ಸಂಭವನೀಯತೆ ಮತ್ತು ಅಂತಿಮ ಮಾರಾಟ ಬೆಲೆ ಒಂದು ದೊಡ್ಡ ಪರಿಣಾಮ ಒಂದು ಸಣ್ಣ ಪರಿಣಾಮ ಎಂದು ತೋರಿಸಲು. ಇದಲ್ಲದೆ, ಹೆಚ್ಚು commodified ವಸ್ತುಗಳನ್ನು ಇಂತಹ ಡಿವಿಡಿ ಮತ್ತು ವೀಡಿಯೊ ಆರಂಭ ಬೆಲೆ ಅಂತಿಮ ಬೆಲೆ ಮೇಲೆ ಯಾವುದೇ ಪ್ರಭಾವ. ಅರ್ಥಾತ್, ಐಟಂಗಳ 23 ವಿವಿಧ ವಿಭಾಗಗಳು ಫಲಿತಾಂಶಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ ಸರಾಸರಿ ಈ ಐಟಂಗಳನ್ನು ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳ ಬಗ್ಗೆ ಪ್ರಮುಖ ಮಾಹಿತಿ ಮರೆಮಾಚುತ್ತದೆ.

ಚಿತ್ರ 2.8: ಫಲಿತಾಂಶಗಳು ಪ್ರತಿ ವರ್ಗದ ಪ್ರತ್ಯೇಕವಾಗಿ ಅಂದಾಜಿನ ತೋರಿಸಿದರು; ಎಲ್ಲಾ ವಿಭಾಗಗಳು ಅಂದಾಜು ಘನ ಡಾಟ್, ಒಟ್ಟಿಗೆ ಸೇರಿಸಲಾಗುತ್ತದೆ ಪಟ್ಟಿ 11 (Einav ಎಟ್ ಆಲ್. 2015, ಟೇಬಲ್ 11). ಈ ಅಂದಾಜಿನ ಹೆಚ್ಚು ವಿಶಿಷ್ಟ ಐಟಂಗಳನ್ನು ಅಂತಹ ಚಿರಸ್ಮರಣೀಯ ಆರಂಭ ಬೆಲೆ ಮಾರಾಟ (X- ಅಕ್ಷ) ಮತ್ತು ಅಂತಿಮ ಮಾರಾಟ ಬೆಲೆ (Y- ಆಕ್ಸಿಸ್) ಒಂದು ದೊಡ್ಡ ಪರಿಣಾಮ ಸಂಭವನೀಯತೆಯ ಒಂದು ಸಣ್ಣ ಪರಿಣಾಮ ಎಂದು ತೋರಿಸಲು.

ಚಿತ್ರ 2.8: ಫಲಿತಾಂಶಗಳು ಪ್ರತಿ ವರ್ಗದ ಪ್ರತ್ಯೇಕವಾಗಿ ಅಂದಾಜಿನ ತೋರಿಸಿದರು; ಒಟ್ಟಿಗೆ ಸೇರಿಸಲಾಗುತ್ತದೆ ಎಲ್ಲಾ ವಿಭಾಗಗಳು ಅಂದಾಜು ಘನ ಡಾಟ್ (Einav et al. 2015, Table 11) . ಈ ಅಂದಾಜಿನ ಹೆಚ್ಚು ವಿಶಿಷ್ಟ ಐಟಂಗಳನ್ನು ಅಂತಹ ಚಿರಸ್ಮರಣೀಯ ಆರಂಭ ಬೆಲೆ ಮಾರಾಟ (X- ಅಕ್ಷ) ಮತ್ತು ಅಂತಿಮ ಮಾರಾಟ ಬೆಲೆ (Y- ಆಕ್ಸಿಸ್) ಒಂದು ದೊಡ್ಡ ಪರಿಣಾಮ ಸಂಭವನೀಯತೆಯ ಒಂದು ಸಣ್ಣ ಪರಿಣಾಮ ಎಂದು ತೋರಿಸಲು.

ನೀವು ಇಬೇ ಹರಾಜು ವಿಶೇಷವಾಗಿ ಆಸಕ್ತಿ ಇಲ್ಲ ಕೂಡ, ನೀವು ಚಿತ್ರ 2.7 ಮತ್ತು 2.8 ಪ್ರಸ್ತಾಪವನ್ನು ಇಬೇ ಒಂದು ಉತ್ಕೃಷ್ಟ ತಿಳುವಳಿಕೆ ರೇಖೀಯ ಸಂಬಂಧಗಳನ್ನು ಪಡೆದುಕೊಳ್ಳಬಹುದು ಮತ್ತು ವಸ್ತುಗಳ ಅನೇಕ ವಿವಿಧ ಒಗ್ಗೂಡಿ ಸರಳ ರೇಖಾತ್ಮಕ ಹಿಂಜರಿತ ಅಂದುಕೊಂಡದ್ದಕ್ಕಿಂತ ಚಿತ್ರ ಆ ರೀತಿಯಲ್ಲಿ ಗೌರವಿಸುವುದು ಹೊಂದಿರುತ್ತವೆ. ಈ ಸೂಕ್ಷ್ಮ ಅಂದಾಜು ಬೃಹತ್ ಮಾಹಿತಿ ರಲ್ಲಿ ಹೊಂದಾಣಿಕೆ ಶಕ್ತಿ ಉಲ್ಲೇಖಿಸುತ್ತವೆ ಈ ಅಂದಾಜಿನ ಇದು ದುಬಾರಿ ಸಾಧ್ಯತೆ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳ ಅಪಾರ ಸಂಖ್ಯೆಯ ಇಲ್ಲದೆ ಅಸಾಧ್ಯ.

ಸಹಜವಾಗಿ, ನಾವು ಒಂದು ತುಲನಾತ್ಮಕ ಪ್ರಯೋಗದ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ಹೆಚ್ಚಾಗಿ ಯಾವುದೇ ನಿರ್ದಿಷ್ಟ ಹೊಂದಾಣಿಕೆಯ ಅಧ್ಯಯನದ ಫಲಿತಾಂಶಗಳನ್ನು ಕಡಿಮೆ ವಿಶ್ವಾಸ ಇರಬೇಕು. ಯಾವುದೇ ಹೊಂದಿಕೆಯಾಗುವ ಅಧ್ಯಯನದಿಂದ ಫಲಿತಾಂಶಗಳು ನಿರ್ಣಯಿಸುವುದು, ಎರಡು ಪ್ರಮುಖ ತಳಮಳ. ಮೊದಲನೆಯದಾಗಿ, ನಾವು ಮಾತ್ರ ಎಂದು ಹೊಂದಾಣಿಕೆಗೆ ಬಳಸಲಾಗುತ್ತದೆ ವಸ್ತುಗಳನ್ನು ಮೇಲೆ ನ್ಯಾಯೋಚಿತ ಹೋಲಿಕೆಗಳು ಖಚಿತ ಎಂದು ನೆನಪಿಡುವ ಅಗತ್ಯವಿರುವುದಿಲ್ಲ. ಮಾರಾಟಗಾರ ID ಸಂಖ್ಯೆ, ಐಟಂ ವರ್ಗದಲ್ಲಿ, ಐಟಂ ಶೀರ್ಷಿಕೆ, ಮತ್ತು ಉಪಶೀರ್ಷಿಕೆ: ತಮ್ಮ ಮುಖ್ಯ ಫಲಿತಾಂಶಗಳಲ್ಲಿ, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ನಿಖರವಾದ ನಾಲ್ಕು ಗುಣಲಕ್ಷಣಗಳು ಮೇಲೆ ಹೊಂದಾಣಿಕೆ ಮಾಡಲಿಲ್ಲ. ಐಟಂಗಳನ್ನು ನ್ಯಾಯವಲ್ಲದ ಹೋಲಿಕೆ ರಚಿಸಲು ಎಂದು ಮಾಡಲಾಯಿತು ಹೊಂದಾಣಿಕೆಗೆ ಬಳಸಲಾಗುವುದಿಲ್ಲ ಎಂದು ರೀತಿಯಲ್ಲಿ, ವಿವಿಧ ವೇಳೆ. ಉದಾಹರಣೆಗೆ, "budgetgolfer" ಟೈಲರ್ ಬರ್ನರ್ 09 ಚಾಲಕ ಬೆಲೆಗಳು ಚಳಿಗಾಲದಲ್ಲಿ ಕಡಿಮೆ (ಗಾಲ್ಫ್ ಕ್ಲಬ್ ಕಡಿಮೆ ಜನಪ್ರಿಯ ಆಗ), ನಂತರ ಇದು ಕಡಿಮೆ ಆರಂಭಿಕ ಬೆಲೆ ಅಂತಿಮ ಬೆಲೆ ಕಡಿಮೆ ಕಾರಣವಾಗುವ, ವಾಸ್ತವವಾಗಿ ಈ ಋತುಮಾನದ ಒಂದು ಕಲಾಕೃತಿ ಎಂದು ಯಾವಾಗ ಕಾಣುತ್ತದೆ ಬೇಡಿಕೆ ಬದಲಾವಣೆ. ಸಾಮಾನ್ಯವಾಗಿ, ಈ ಸಮಸ್ಯೆಯನ್ನು ಉತ್ತಮ ವಿಧಾನ ಹೊಂದಾಣಿಕೆಯ ಅನೇಕ ಬಗೆಯ ಪ್ರಯತ್ನಿಸುತ್ತಿರುವ ತೋರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಒಂದು ತಿಂಗಳೊಳಗೆ, ಒಂದು ವರ್ಷದೊಳಗೆ ಮಾರಾಟಕ್ಕೆ ವಸ್ತುಗಳನ್ನು, ಮತ್ತು ಸಮಕಾಲೀನವಾಗಿ ಸೇರಿವೆ ಅಲ್ಲಿ ಅವರ ವಿಶ್ಲೇಷಣೆಯಲ್ಲಿ ಪುನರಾವರ್ತಿಸಿ. ಸಮಯ ವಿಂಡೋ ಬಿಗಿಯಾದ ಮೇಕಿಂಗ್ ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸೆಟ್ ಸಂಖ್ಯೆ ಕಡಿಮೆಯಾಗುತ್ತದೆ, ಆದರೆ ಕಾಲೋಚಿತವಾದ ಬದಲಾವಣೆಯು ಬಗ್ಗೆ ಕಡಿಮೆ. ಅದೃಷ್ಟವಶಾತ್, ಅವರು ಫಲಿತಾಂಶಗಳು ಮಾನದಂಡಗಳನ್ನು ಈ ಬದಲಾವಣೆಗಳನ್ನು ಬದಲಾಗುವುದಿಲ್ಲ ಎಂದು ಹೇಗೆ. ಹೊಂದಾಣಿಕೆಯ ಸಾಹಿತ್ಯದಲ್ಲಿ, ಕಾಳಜಿ ಈ ರೀತಿಯ ಸಾಮಾನ್ಯವಾಗಿ observables ಮತ್ತು unobservables ವ್ಯಕ್ತಪಡಿಸಲಾದ, ಆದರೆ ಪ್ರಮುಖ ಕಲ್ಪನೆಯು ಸಂಶೋಧಕರು ಹೊಂದಾಣಿಕೆಯ ಬಳಸಲಾಗುತ್ತದೆ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ನ್ಯಾಯೋಚಿತ ಹೋಲಿಕೆಗಳು ರಚಿಸುತ್ತಿರುವ ನಿಜವಾಗಿಯೂ ಎಂಬುದು.

ಹೊಂದಿಕೆ ಪರಿಣಾಮಗಳನ್ನು ವ್ಯಾಖ್ಯಾನಿಸುವ ಎರಡನೇ ಪ್ರಮುಖ ಕಾಳಜಿ ಅವರು ಮಾತ್ರ ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಡೇಟಾ ಅನ್ವಯಿಸುತ್ತವೆ ಎಂಬುದು; ಅವರು ಎಂದು ದಾಖಲೆಗಳುಸರಿಹೊಂದಿವೆ ಸಾಧ್ಯವಿಲ್ಲ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅನ್ವಯಿಸುವುದಿಲ್ಲ. ಉದಾಹರಣೆಗೆ, ಬಹು ಪಟ್ಟಿಗಳನ್ನು Einav ಮತ್ತು ಸಹೋದ್ಯೋಗಿಗಳು ವೃತ್ತಿಪರ ಮತ್ತು ಅರೆ ವೃತ್ತಿಪರ ಮಾರಾಟಗಾರರು ಚೆಲ್ಲುತ್ತವೆ ಎಂದು ಐಟಂಗಳನ್ನು ತಮ್ಮ ಸಂಶೋಧನೆ ಸೀಮಿತಗೊಳಿಸುವ ಮೂಲಕ. ಹೀಗಾಗಿ, ಈ ಹೋಲಿಕೆಗಳು ಅರ್ಥವಿವರಿಸುವಾಗ ನಾವು ಅವರು ಮಾತ್ರ ಇಬೇ ಈ ಉಪ ಅನ್ವಯವಾಗುವ ನೆನಪಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಬೇಕು.

ಹೊಂದಾಣಿಕೆಯ ದೊಡ್ಡ ದತ್ತಾಂಶ ನ್ಯಾಯೋಚಿತ ಹೋಲಿಕೆಗಳು ಹುಡುಕುವ ಪ್ರಬಲ ಕಾರ್ಯತಂತ್ರವಾಗಿದೆ. ಅನೇಕ ಸಾಮಾಜಿಕ ವಿಜ್ಞಾನಿಗಳು, ಹೊಂದಾಣಿಕೆಯ ಪ್ರಯೋಗಗಳನ್ನು ಎರಡನೆಯ ಅತ್ಯುತ್ತಮ ಭಾಸವಾಗುತ್ತಿದೆ, ಆದರೆ ಸ್ವಲ್ಪ, ಮಾಡಬೇಕು ಪರಿಷ್ಕೃತ ಒಂದು ನಂಬಿಕೆ. ಬೃಹತ್ ಡಾಟಾ ಹೊಂದಾಣಿಕೆಯ ಕ್ಷೇತ್ರದಲ್ಲಿ ಪ್ರಯೋಗಗಳ ಒಂದು ಸಣ್ಣ ಸಂಖ್ಯೆಯ ಉತ್ತಮ ಇರಬಹುದು ಯಾವಾಗ: 1) ಪರಿಣಾಮಗಳು ವಿಸದೃಶ್ಯತೆ ಮುಖ್ಯ ಮತ್ತು 2) ಹೊಂದಾಣಿಕೆಗೆ ಉತ್ತಮ observables ಇವೆ. ಟೇಬಲ್ 2.4 ಹೊಂದಾಣಿಕೆಯ ಹೇಗೆ ದೊಡ್ಡ ದಶಮಾಂಶ ಮೂಲಗಳು ಬಳಸಬಹುದು ಕೆಲವು ಉದಾಹರಣೆಗಳು ಒದಗಿಸುತ್ತದೆ.

ಟೇಬಲ್ 2.4: ಡಿಜಿಟಲ್ ಕುರುಹುಗಳು ಒಳಗೆ ನ್ಯಾಯೋಚಿತ ಹೋಲಿಕೆಗಳು ಕಾಣಬಹುದು ಹೊಂದಾಣಿಕೆಯ ಬಳಸುವ ಅಧ್ಯಯನಗಳು ಉದಾಹರಣೆಗಳು.
ನಾಮವಾಚಕ ಗಮನ ಬಿಗ್ ಡೇಟಾ ಮೂಲ ಉಲ್ಲೇಖದ
ಪೊಲೀಸ್ ಹಿಂಸೆ ಮೇಲೆ ಗುಂಡಿನ ಎಫೆಕ್ಟ್ ನಿಲ್ಲಿಸಿ ಮತ್ತು FRISK ದಾಖಲೆಗಳನ್ನು Legewie (2016)
ಕುಟುಂಬಗಳು ಹಾಗೂ ನೆರೆಹೊರೆಯವರಿಗೆ ಸೆಪ್ಟೆಂಬರ್ 11, 2001 ಎಫೆಕ್ಟ್ ಮತದಾನದ ದಾಖಲೆಗಳನ್ನು ಕೊಡುಗೆ ದಾಖಲೆಗಳನ್ನು Hersh (2013)
ಸಾಮಾಜಿಕ ಸೋಂಕು ಸಂವಹನ ಮತ್ತು ಉತ್ಪನ್ನ ದತ್ತು ಡೇಟಾ Aral, Muchnik, and Sundararajan (2009)

ತೀರ್ಮಾನಕ್ಕೆ ರಲ್ಲಿ, ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ದಶಮಾಂಶ ಸಾಂದರ್ಭಿಕ ಪರಿಣಾಮಗಳನ್ನು ಅಂದಾಜು ನಿಷ್ಕಪಟ ವಿಧಾನಗಳು ಅಪಾಯಕಾರಿ. ಸಂಶೋಧಕರ ಪ್ರಬಲ ರಿಂದ ದುರ್ಬಲ ಒಂದು ಅನಂತ ಉದ್ದಕ್ಕೂ ಸುಳ್ಳು ಸಾಂದರ್ಭಿಕ ಅಂದಾಜು ತಯಾರಿಸಲು ತಂತ್ರಗಳು, ಮತ್ತು ಅಲ್ಲದ ಪ್ರಾಯೋಗಿಕ ಮಾಹಿತಿಗಳ ಒಳಗೆ ನ್ಯಾಯೋಚಿತ ಹೋಲಿಕೆಗಳು ಕಂಡುಹಿಡಿಯಬಹುದು. ನೈಸರ್ಗಿಕ ಪ್ರಯೋಗಗಳು ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ: ಯಾವಾಗಲೂ ಆನ್, ದೊಡ್ಡ ದಶಮಾಂಶ ವ್ಯವಸ್ಥೆಗಳ ಬೆಳವಣಿಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಎರಡು ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವಿಧಾನಗಳನ್ನು ಬಳಸಲು ನಮ್ಮ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ.