4.1简介

在这本书中,观察行为(第2章)和提问到目前为止所覆盖的方法(第3章)-researchers收集什么在世界上是自然发生的数据。包括在本运行章,该方法的实验,是根本不同的。当研究人员进行实验,他们系统地在全球进行干预,以创建一个非常适合回答关于原因和结果的关系问题的数据。

原因和结果的问题在社会研究很常见的,例如包括问题,比如是否增加教师工资提高学生的学习?什么是最低工资对就业率的影响?如何做一个求职者的种族影响她找工作的机会呢?除了这些明确的因果问题,有时会引起和 - 效果的问题是在一些性能度量最大化更一般的问题是隐含的。例如,这个问题:“什么颜色的按钮,将在一个非政府组织的网站网站最大限度地捐款?”真的是大量关于不同颜色的按钮上捐款的影响问题。

解答原因和效果的问题的一种方法是寻找在现有的数据的模式。例如,使用从数千所学校的数据,你可能会计算学生学习更多的学校提供​​较高的教师工资。但是,这是否相关性表明,更高的薪水导致学生了解更多信息?当然不是。学校老师那里赚更多的可能是在许多方面有所不同。例如,学生在学校中具有较高的教师工资可能来自富裕家庭。因此,看起来像教师的作用可能只是从比较不同类型的学生来。学生之间的这些未测量差异被称为混杂因素 ,而在一般情况下,混杂的可能性造成十分上研究者通过寻找在现有的数据型态来回答原因和效果的问题的能力的破坏。

一个解决方案混杂的问题是试图通过调整组之间观察到的差异,使公平的比较。例如,您也许可以从一些政府网站下载房产税的数据。然后,你可以比较在学校,其中住宅价格都差不多,但教师的工资是不同的学生的表现,你还是可能会发现,学生的学习更多的学校具有较高的教师工资。但是,还是有很多可能的混杂因素。或许这些学生的家长在教育程度不同,或者学校在他们的亲密关系有所不同公共图书馆或者具有较高的教师工资的学校也有校长和校长的薪酬更高的薪酬,而不是教师工资,真的是什么增加学生的学习。你可以尝试来衡量这些其他因素,但可能的混杂因素的名单基本上是无止境的。在许多情况下,你就不能测量和调整所有可能的混杂因素。这种方法只可以带你这么远。

较好地解决了混杂的问题,正在运行的实验。实验使研究人员能够超越相关的移动为了可靠地回答原因和效果的问题自然产生的数据。在模拟时代,实验往往后勤困难和昂贵的。现在,在数字时代,后勤方面的限制正在逐步消失。它不仅是比较容易做到象那些研究者的实验已经在过去完成的,现在有可能运行新种实验。

在我到目前为止所写的,我已经在我的语言有点松,但两件事情来区分是很重要的:实验和随机对照实验。在一个实验中研究人员介入世界,然后测量的结果。我听说形容这种做法“扰动观察。”这个战略是在自然科学中是非常有效的,但在医学和社会科学,有一个更好的工作的另一种方法。在一项随机对照试验的研究人员介入某些人,不为别人,而且,关键的是,研究人员决定哪些人收到随机干预(如掷硬币)。此过程可确保随机对照实验,创建两个群体之间的公平比较:已收到具有不干预和一一。换句话说,随机对照实验是对混杂的问题的解决方案。尽管实验和随机对照实验之间的重要差异,社会研究者经常交替使用这些术语。我会按照这个习惯,但是,在某些点上,我会打破惯例,强调随机对照实验的实验上的价值没有随机化和对照组。

随机对照实验已经证明是了解社会世界的有力手段,而在本章中,我会教你更多关于如何在您的研究中使用它们。在4.2节,我将举例说明与维基百科实验的一个例子实验的基本逻辑。然后,在4.3节中,我将描述的实验室实验和现场实验和模拟实验,数字实验之间的差异之间的差异。此外,我认为,数码领域的实验可以在一个规模,这是以前没有的提供模拟实验室实验中的最佳特性(严格的控制)和模拟现场试验(现实),所有。接下来,在第4.4节,我将介绍三个概念,有效性,治疗效果的异质性和机制,是设计富有实验的关键。有了这样的背景,我将介绍参与了数字进行实验的两个主要策略的取舍:做自己(第4.5.1节),或者与强大的(第4.5.2节)合作。最后,我将与你如何利用数字化实验(第4.6.1节)的实际功率的优势一些设计咨询总结并描述了带有权力(第4.6.2节)的责任。本章将用最少的数学符号和形式语言的呈现;感兴趣的一个更正式的,数学方法实验,读者还应该在本章的阅读正文之后的技术附录。