2.4.3.1 آزمایش های طبیعی

آزمایش های طبیعی استفاده از رویدادهای تصادفی در جهان است. رویداد تصادفی + همیشه در سیستم داده = آزمایش طبیعی

کلید را به آزمایش کنترل شده تصادفی را قادر می سازد مقایسه عادلانه تصادفی است. با این حال، گاهی اوقات چیزی در جهان است که اساسا اختصاص مردم به طور تصادفی و یا نزدیک به طور تصادفی به درمان های مختلف اتفاق می افتد. یکی از روشن ترین نمونه از استراتژی با استفاده از آزمایش های طبیعی از تحقیقات می آید Angrist (1990) که اثر خدمات نظامی بر درآمد را اندازه گیری.

در طول جنگ ویتنام، ایالات متحده به اندازه نیروهای مسلح خود را از طریق یک پیش نویس افزایش یافته است. به منظور تصمیم می گیرید که شهروندان می توان به سرویس به نام، دولت آمریکا یک قرعه کشی برگزار می شود. هر تاریخ تولد بر روی یک تکه کاغذ نشان داده شد، و این مقاله را در یک ظرف شیشه ای بزرگ قرار داده شد. همانطور که در شکل نشان داده شده است 2.5، این ورقه کاغذ از شیشه در یک زمان برای تعیین جهت است که مردان جوان می شود به نام به خدمت (زنان جوان بودند موضوع را به پیش نویس نیست) انتخاب شده بودند. بر اساس نتایج، مردان متولد در تاریخ 14 سپتامبر برای اولین بار نامیده می شدند، مردان متولد در 24 آوریل دوم نامیده می شدند، و غیره. در نهایت، در این قرعه کشی، مردان متولد 195 روز مختلف به خدمات نامیده می شدند در حالی که مردان متولد 171 روز به نام نمی شد.

شکل 2.5: کنگره الکساندر Pirnie (R-NY) رسم اولین کپسول برای پیش نویس انتخابی سرویس در تاریخ 1 دسامبر 1969. جاشوا Angrist (1990) همراه پیش نویس قرعه کشی با داده های درآمد از اداره تامین اجتماعی به منظور برآورد اثر از خدمت نظامی در درآمد. این یک نمونه از پژوهش با استفاده از یک آزمایش طبیعی است. منبع: ویکیپدیا

شکل 2.5: کنگره الکساندر Pirnie (R-NY) رسم اولین کپسول برای پیش نویس انتخابی سرویس در تاریخ 1 دسامبر 1969. جاشوا Angrist (1990) همراه پیش نویس قرعه کشی با داده های درآمد از اداره تامین اجتماعی به منظور برآورد اثر از خدمت نظامی در درآمد. این یک نمونه از پژوهش با استفاده از یک آزمایش طبیعی است. منبع: ویکیپدیا

هر چند که ممکن است بلافاصله آشکار، یک پیش نویس قرعه کشی تا شباهت بحرانی به یک آزمایش کنترل شده تصادفی: در هر دو شرایط شرکت کنندگان به صورت تصادفی برای دریافت یک درمان است. در مورد پیش نویس قرعه کشی، اگر ما علاقه مند به یادگیری در مورد اثرات پیش نویس واجد شرایط بودن و خدمت سربازی بر درآمد بازار کار پس از آن، ما می توانیم نتایج برای افرادی که تاریخ تولد زیر قطع قرعه کشی شد (در مقایسه با به عنوان مثال، 14 سپتامبر آوریل 24، و غیره) با نتایج برای افرادی که تولد پس از قطع شد (به عنوان مثال، فوریه 20، دسامبر 2، و غیره).

با توجه به اینکه این درمان در حال تدوین شده است به صورت تصادفی، ما پس از می تواند اثر این درمان برای هر نتیجه است که اندازه گیری شده است اندازه گیری کند. به عنوان مثال، Angrist (1990) ترکیب اطلاعات در مورد که به طور تصادفی در پیش نویس با داده های درآمد که توسط اداره تامین اجتماعی جمع آوری شد به این نتیجه که درآمد از جانبازان سفید حدود 15 درصد کمتر از درآمد قابل مقایسه غیر جانبازان انتخاب شدند . محققان دیگر یک ترفند مشابه استفاده می شود و همچنین. به عنوان مثال، Conley and Heerwig (2011) اطلاعات در مورد کسی که به طور تصادفی در پیش نویس با داده های خانگی جمع آوری شده از بررسی سرشماری سال 2000 و 2005 جامعه آمریکا انتخاب شد ترکیب و متوجه شد که تا مدت ها پس از پیش نویس، بود کمی اثر طولانی مدت از وجود دارد خدمت سربازی در انواع نتایج مانند تصدی مسکن (داشتن در مقابل اجاره) و ثبات مسکونی (احتمال داشتن در پنج سال گذشته منتقل شد).

از آنجا که این مثال نشان می دهد، گاهی اوقات نیروهای اجتماعی، سیاسی، و یا طبیعی آزمایش و یا نزدیک به آزمایش است که می تواند توسط محققان قوی ایجاد کنید. اغلب آزمایش های طبیعی هستند که بهترین راه برای تخمین روابط علت و معلولی در تنظیمات که در آن است اخلاقی یا عملی به اجرا آزمایش های کنترل شده تصادفی نیست. آنها یک استراتژی مهم برای کشف مقایسه عادلانه در داده های غیر تجربی هستند. این استراتژی تحقیق را می توان با این معادله خلاصه:

\ [\ متن {تصادفی (یا اگر به صورت تصادفی) رویداد} + \ متن {همیشه در جریان داده ها} = \ متن {آزمایش طبیعی} \ qquad (2.1) \]

با این حال، تجزیه و تحلیل آزمایش های طبیعی می تواند بسیار مشکلی است. به عنوان مثال، در مورد پیش نویس ویتنام، هر کسی که پیش نویس واجد شرایط به پایان رسید تا در خدمت بود (شد انواع معافیت وجود دارد). و، در همان زمان، برخی از افرادی که شد پیش نویس واجد شرایط نیست برای خدمات داوطلب شدند. این بود که اگر در یک کارآزمایی بالینی یک داروی جدید، برخی از مردم در گروه درمان را پزشکی خود را ندارد و برخی از مردم در گروه شاهد به نحوی این دارو را دریافت. این مشکل، به نام عدم تبعیت دو طرفه، و همچنین بسیاری از مشکلات دیگر با جزئیات بیشتر در برخی از خوانش توصیه می شود در پایان این فصل توضیح داده.

استراتژی با استفاده از به طور طبیعی به صورت تصادفی قبل از عصر دیجیتال، اما شیوع از داده های بزرگ باعث می شود این استراتژی بسیار ساده تر برای استفاده. هنگامی که شما متوجه برخی از درمان است به طور تصادفی اختصاص داده شده است، منابع داده های بزرگ می تواند داده ها نتیجه که شما به منظور مقایسه نتایج را برای مردم در شرایط درمان و کنترل نیاز دارند. برای مثال، در مطالعه خود را از اثرات پیش نویس و نظامی خدمات، Angrist ساخته شده با استفاده از سوابق درآمد از اداره تامین اجتماعی؛ بدون این داده ها نتیجه، مطالعه خود نبوده است ممکن است. در این مورد، اداره تامین اجتماعی منبع داده های بزرگ همیشه در است. همانطور که بیشتر و به طور خودکار جمع آوری شده بیشتر منابع داده وجود داشته باشد، ما داده نتیجه است که می تواند اثرات تغییرات ایجاد شده توسط تغییرات اگزوژن اندازه گیری است.

برای نشان دادن این استراتژی در عصر دیجیتال، اجازه دهید در نظر mas بیا و مورتی است (2009) تحقیقات ظریف در اثر همسالان بر بهره وری. اگر چه بر روی سطح آن ممکن است نگاه از مطالعه Angrist در مورد اثرات پیش نویس ویتنام مختلف، در ساختار آنها هر دو الگوی در معادله دنبال کنید. 2.1.

mas بیا و مورتی اندازه گیری چگونه همسالان را تحت تاثیر قرار وری از کارگران. از یک طرف، داشتن یک همکار سخت کار ممکن است کارگران منجر به افزایش بهره وری خود را به دلیل فشار همسالان. یا، از سوی دیگر، نظیر کار سخت ممکن است کارگران دیگر منجر به شل کردن و حتی بیشتر. روشن ترین راه برای مطالعه اثرات همتا بر بهره وری می شود یک آزمایش کنترل شده تصادفی که در آن کارگران به صورت تصادفی به تغییرات با کارگران از سطح بهره وری مختلف اختصاص داده و بهره وری سپس نتیجه برای همه اندازه گیری شد. محققان، با این حال، برنامه از کارگران در هر کسب و کار واقعی را کنترل کنید، و به همین ترتیب mas بیا و مورتی مجبور به تکیه بر یک آزمایش طبیعی است که در یک سوپر مارکت صورت گرفت.

درست مثل معادله 2.1، مطالعه خود را به دو بخش بود. تعداد آیتم های اسکن در ثانیه: اول، آنها سیاهههای مربوط از سیستم سوپر مارکت پرداخت همیشه در اندازه گیری بهره وری استفاده می شود که دقیق، فردی، و. و دوم، به دلیل راه که برنامه ریزی در این سوپر مارکت انجام شد، آنها در نزدیکی ترکیب تصادفی از همسالان است. به عبارت دیگر، حتی اگر برنامه ریزی از صندوقداران است که توسط یک قرعه کشی مشخص نیست، آن را اساسا تصادفی بود. در عمل، اعتماد به نفس ما را در آزمایش های طبیعی اغلب در مقبولیت این "را به عنوان اگر" را به صورت تصادفی لولا. با استفاده از این تغییرات تصادفی، MAS و مورتی پیدا شده است که کار کردن با هم سن و سالان بهره وری بالاتر بهره وری را افزایش. علاوه بر این، mas بیا و مورتی استفاده به اندازه و غنای مجموعه داده های خود را به فراتر از برآورد علت و اثر حرکت به کشف دو موضوع مهم تر و ظریف: ناهمگونی از این اثر (که انواع کارگران است که اثر بزرگتر) و مکانیسم پشت اثر (چرا داشتن همسالان بهره وری بالا منجر به بهره وری بالاتر). ما به این دو مهم مسائل ناهمگونی از عوارض درمان و مکانیزم در فصل 5 بازگشت به هنگام بحث آزمایش با جزئیات بیشتر.

تعمیم از مطالعات انجام شده در اثر پیش نویس ویتنام بر درآمد و مطالعه اثر همسالان بر بهره وری، جدول 2.3 مطالعات دیگر که این ساختار همان خلاصه: با استفاده از همیشه در منبع داده به اندازه گیری تاثیر برخی از رویداد . همانطور که در جدول 2.3 روشن می سازد، آزمایش های طبیعی در همه جا اگر شما فقط می دانم که چگونه به آنها نگاه کنید.

جدول 2.3: نمونه هایی از آزمایش های طبیعی با استفاده از منابع داده های بزرگ. همه این مطالعات به دنبال همان دستور عمومی: تصادفی رویداد (یا اگر به صورت تصادفی) + همیشه در سیستم داده. مشاهده Dunning (2012) برای نمونه های بیشتر.
تمرکز اساسی منبع آزمایش طبیعی همیشه در منبع داده نقل قول
نظیر اثرات آن بر بهره وری فرایند برنامه ریزی اطلاعات پرداخت Mas and Moretti (2009)
تشکیل دوستی طوفان فیس بوک Phan and Airoldi (2015)
گسترش احساسات باران فیس بوک Coviello et al. (2014)
نظیر به نظیر انتقال اقتصادی زمين لرزه داده پول همراه Blumenstock, Fafchamps, and Eagle (2011)
رفتار مصرف شخصی 2013 تعطیلی دولت ایالات متحده اطلاعات امور مالی شخصی Baker and Yannelis (2015)
تاثیر اقتصادی سیستم های پیشنهاد دهنده مختلف داده های مرور در آمازون Sharma, Hofman, and Watts (2015)
اثر استرس بر جنین 2006 جنگ اسرائیل و حزب الله سوابق تولد Torche and Shwed (2015)
رفتار مطالعه در ویکیپدیا افشاگری های اسنودن سیاهههای مربوط ویکیپدیا Penney (2016)

در عمل، محققان با استفاده از دو استراتژی های مختلف برای پیدا کردن آزمایش های طبیعی، که هر دو می تواند مفید باشد. برخی از محققان با منبع همیشه در داده شروع و برای رویدادهای تصادفی در جهان نگاه؛ دیگر با رویدادهای تصادفی در جهان شروع و برای منابع داده که جذب تاثیر خود را نگاه کنید. در نهایت، توجه کنید که قدرت آزمایش های طبیعی می آید از پیچیدگی تجزیه و تحلیل آماری نیست، اما از مراقبت در کشف یک مقایسه عادلانه ایجاد شده توسط یک تصادف خوش شانس از تاریخ است.