2.4.3.1 Natural kokeiluja

Luonnollinen kokeet hyödyntää satunnaisia ​​tapahtumia maailmassa. satunnainen tapahtuma + aina käytössä tietojärjestelmässä = luonnollinen kokeilu

Avain satunnaistettu kontrolloitu kokeissa mahdollistaa oikeudenmukaisen vertailun on satunnaistamista. Kuitenkin joskus jotain tapahtuu maailmassa, joka pohjimmiltaan määrittää ihmiset satunnaisesti tai lähes satunnaisesti eri hoitoja. Yksi selvimpiä esimerkkejä strategiaa käyttäen luonnon kokeita tulee tutkimukseen Angrist (1990) , joka mittaa vaikutusta sotilaallisten palvelujen tulokseen.

Sodan aikana Vietnamissa, Yhdysvalloissa kasvattaneet asevoimiensa avulla luonnoksen. Jotta päättää, mitkä kansalaisille olisi nimeltään laskemista, Yhdysvaltain hallitus järjesti arpajaiset. Jokainen syntymäaika edusti paperille, ja nämä paperit pantiin suuri lasipurkkiin. Kuten kuvassa 2.5, nämä varttamisoksat paperia vedettiin pois jar yksi kerrallaan selvittää, jotta nuoret miehet kutsuttaisiin palvelemaan (nuoret naiset eivät olleet luonnosta). Tulosten perusteella, miehet syntynyt 14. syyskuuta kutsuttiin ensin, miehet syntynyt 24. huhtikuuta kutsuttiin toiseksi, ja niin edelleen. Loppujen lopuksi tässä arpajaiset, miehet syntynyt 195 eri päivinä kutsuttiin palveluun, kun taas miehet syntynyt 171 päivää ei kutsuttu.

Kuva 2.5: kongressiedustaja Alexander Pirnie (R-NY) piirustus ensimmäinen kapseli varten Selective Service luonnos 1. joulukuuta 1969. Joshua Angrist (1990) yhdisti luonnos arpajaiset ja tulos tietoja Social Security Administration arvioimaan vaikutuksen asepalveluksen tulokseen. Tämä on esimerkki tutkimuksen avulla luonnollinen kokeilu. Lähde: Wikimedia Commons

Kuva 2.5: kongressiedustaja Alexander Pirnie (R-NY) piirustus ensimmäinen kapseli varten Selective Service luonnos 1. joulukuuta 1969. Joshua Angrist (1990) yhdisti luonnos arpajaiset ja tulos tietoja Social Security Administration arvioimaan vaikutuksen asepalveluksen tulokseen. Tämä on esimerkki tutkimuksen avulla luonnollinen kokeilu. Lähde: Wikimedia Commons

Vaikka se ei ehkä ole välittömästi ilmeistä, luonnos arpajaiset on kriittinen samankaltaisuutta satunnaistettu kontrolloitu kokeilu: molemmissa tilanteissa osallistujat satunnaistettiin saamaan hoitoa. Kun kyseessä on luonnos arpajaiset, jos olemme kiinnostuneita tutustuttaessa vaikutuksista draft-kelpoisuuden ja asepalveluksesta myöhemmin työmarkkinoilla tulos, voimme vertailla tuloksia ihmisille, joiden syntymäpäiviä olivat alle arpajaiset cutoff (esim 14. syyskuuta, huhtikuu 24, jne.) tulosten kanssa ihmisille, joiden syntymäpäivät olivat jälkeen cutoff (esim 20. helmikuuta 2. joulukuuta jne).

Koska tämä hoito valmisteilla on arvottiin, voimme sitten mitata vaikutusta tämän hoidon mahdollisista tuloksista, jotka on mitattu. Esimerkiksi Angrist (1990) yhdisti tiedot, jotka valittiin satunnaisesti luonnoksessa ansiot tietojen kerättiin Social Security Administration päätellä, että ansiot valkoinen veteraaneja oli noin 15% pienempi kuin ansiot vertailukelpoisten ei-veteraanit . Muut tutkijat ovat käyttäneet samanlaista temppua samoin. Esimerkiksi Conley and Heerwig (2011) yhdisti tiedot, jotka valittiin satunnaisesti luonnoksessa kotitalousjätteen kerättyjen 2000 Census ja 2005 American yhteisön Survey ja totesi, että niin kauan kun ehdotus ei ollut juurikaan pitkäaikainen vaikutus asepalveluksesta useita erilaisia ​​tuloksia, kuten asuntojen hallintaoikeus (omistaminen vs. vuokraus) ja asuin- vakaus (todennäköisyys on muuttanut Viimeisten viiden vuoden aikana).

Koska tämä esimerkki osoittaa, joskus sosiaalisia, poliittisia tai luonnonvoimien luoda kokeita tai lähes kokeita, jotka voidaan hyödyntää tutkijoiden. Usein luonnollinen kokeiluja ovat paras tapa arvioida syy-seuraussuhteita olosuhteissa, joissa se ei ole eettisiä tai käytännön ajaa satunnaistettu kontrolloitu kokeissa. Ne ovat tärkeä strategia löytää oikeudenmukainen vertailuihin kuin kokeelliset tiedot. Tämä tutkimusstrategia voidaan tiivistää tätä yhtälöä:

\ [\ text {random (tai jos random) tapahtuma} + \ text {aina päällä tietovirran} = \ text {luonnollinen koe} \ qquad (2,1) \]

Kuitenkin analyysi luonnon kokeita voi olla melko hankalaa. Esimerkiksi kun kyseessä on Vietnamin luonnos, ei jokainen, joka oli luonnos-oikeutettu päätyi palvelevat (oli erilaisia ​​poikkeuksia). Ja samaan aikaan, jotkut ihmiset, jotka eivät laatimaan tukikelpoisia vapaaehtoisesti huoltoon. Oli kuin kliinisessä tutkimuksessa uuden lääkkeen, jotkut hoitoryhmässä ei ottanut lääkkeensä ja jotkut ihmiset kontrolliryhmässä jotenkin sai lääkettä. Tämä ongelma, jota kutsutaan kaksipuolinen noncompliance, samoin kuin monia muita ongelmia on kuvattu tarkemmin joitakin suositellaan lukemat lopussa tämän luvun.

Strategia hyödyntää luonnollisesti esiintyvien satunnaismäärityksen edeltää digitaaliaikaan, mutta esiintyvyys ison tietojen tekee tämän strategian paljon helpompi käyttää. Kun huomaat joitakin hoito on annettu satunnaisesti, iso tietolähteitä voidaan saada tuloksen tiedot, jotka tarvitaan, jotta voidaan verrata tuloksia ihmisille hoidossa ja valvontaa olosuhteissa. Esimerkiksi hänen tutkimuksissaan vaikutuksia luonnosta ja asevelvollisuus, Angrist hyödynsi tulotiedot Social Security Administration; ilman tätä tulos data, hänen tutkimus ei olisi ollut mahdollista. Tällöin Social Security Administration on aina päällä iso tietolähteen. Kun yhä useammat kerätään automaattisesti tietolähteitä olemassa, meillä on enemmän lopputulos tietoa, jolla voidaan mitata muutosten vaikutukset syntyvät eksogeenista vaihtelua.

Tämän havainnollistamiseksi strategia digitaaliaikana Tarkastellaan Mas ja Moretti n (2009) tyylikäs tutkimus vaikutuksesta ikäisensä tuottavuuteen. Vaikka pinnalla se saattaa näyttää erilaiselta kuin Angrist tutkimus vaikutuksista Vietnamin Draft, rakenteeltaan molemmat noudattavat kuvio eq. 2.1.

Mas ja Moretti mitattiin miten ikäisensä tuottavuuteen vaikuttavat työntekijöiden. Toisaalta, joiden ahkera peer saattavat johtaa työntekijöiden lisätä tuottavuutta, koska ryhmäpaine. Tai toisaalta, ahkera peer saattaa johtaa muiden työntekijöiden hiljentää vauhtia entisestään. Selkein tapa tutkia peer vaikutuksia tuottavuuteen olisi satunnaistetussa kontrolloidussa kokeessa, joissa työntekijät satunnaisesti siirtymiä työntekijöiden eri tuottavuuden ja sitten tuloksena tuottavuutta mitataan kaikille. Tutkijat eivät kuitenkaan valvo aikataulun työntekijöiden mitään todellista liiketoimintaa, ja niin Mas ja Moretti oli turvauduttava luonnon koe joka tapahtui supermarket.

Aivan kuten ekv. 2.1, niiden Tutkimuksessa oli kaksi osaa. Ensinnäkin, he käyttivät tukit supermarketista kassalle järjestelmä on tarkka, yksittäisiä, ja Always-On-mittari tuottavuus: kohteiden määrän skannattujen sekunnissa. Ja toiseksi, sillä tavalla, että ajoitus tehtiin tässä supermarket, heillä on lähellä satunnainen koostumus ikäisensä. Toisin sanoen, vaikka ajoitus cashiers ei määrää arpajaiset, se oli olennaisesti satunnainen. Käytännössä luottamus meillä on luonnollinen kokeiluja usein riippuu uskottavuutta tämän "kuin jos" random vaatimus. Hyödyntämällä tätä Satunnaisvaihtelun Mas ja Moretti totesi, että työskentely korkeampi tuottavuus ikäisensä lisää tuottavuutta. Edelleen, Mas ja Moretti käytti koko ja rikkautta niiden aineisto siirtyä arviointiin syy-seuraus tutkia kaksi tärkeämpiä ja hienovarainen kysymyksiä: heterogeenisuus tämä vaikutus (jota varten erilaisten työntekijöiden vaikutus suurempi) ja mekanismi takana vaikutus (miksi, jolla on suuri tuottavuus ikäisensä johtaa korkeampaan tuottavuuteen). Palaamme näihin kahteen tärkeitä kysymyksiä-heterogeenisyys hoidon vaikutuksia ja mekanismeja-luvun 5 kun puhumme kokeita tarkemmin.

Yleistäen alkaen Tutkimuksia vaikutuksesta Vietnamin Draft ansioita ja tutkimuksen vaikutus ikäisensä tuottavuuteen, taulukko 2.3 on yhteenveto muista tutkimuksista, jotka ovat tätä samaa rakennetta: käyttämällä aina päällä tietolähde mitata jokin tapahtuma . Kuten taulukosta 2.3 käy ilmi, luonnolliset kokeet ovat kaikkialla, jos vain osaa etsiä niitä.

Taulukko 2.3: Esimerkkejä luonnon kokeet, joissa käytetään suuria tietolähteitä. Kaikki nämä tutkimukset seuraa samat resepti: random (tai jos random) tapahtuma + Always-tietojärjestelmässä. Katso Dunning (2012) lisää esimerkkejä.
Sisältöä tarkennus Lähde luonnon kokeen Aina päällä tietolähteen lainaus
Peer vaikutuksia tuottavuuteen aikataulujen prosessi kassalle data Mas and Moretti (2009)
Ystävyys muodostuminen hurrikaanit Facebook Phan and Airoldi (2015)
Levitä tunteita sade Facebook Coviello et al. (2014)
Peer to peer taloudellisia siirtoja maanjäristys mobiiliraha data Blumenstock, Fafchamps, and Eagle (2011)
Henkilökohtainen kulutuskäyttäytymisen 2013 Yhdysvaltain hallitus sammutus henkilökohtainen rahoittaa tiedot Baker and Yannelis (2015)
Taloudellinen vaikutus suosittelujärjestelmä eri selaustiedot Amazon Sharma, Hofman, and Watts (2015)
Vaikutus stressin sikiölle 2006 Israel-Hizbollahin sota Syntymärekisteri Torche and Shwed (2015)
Lukeminen käyttäytyminen Wikipediassa Snowden paljastukset Wikipedia lokit Penney (2016)

Käytännössä tutkijat käyttävät kahta eri strategioita löytää luonnon kokeita, jotka molemmat voivat olla hedelmällistä. Jotkut tutkijat aloittaa aina päällä tietolähteen ja etsiä satunnaisia ​​tapahtumia maailmassa; toiset alkavat satunnaisia ​​tapahtumia maailmassa ja etsiä tietolähteiden että kaapata niiden vaikutusta. Lopuksi, huomaa että vahvuus luonnon kokeita ei ole peräisin kehittyneisyys tilastollisen analyysin, vaan hoidon löytää tasapuolisen vertailun luoma onnekas onnettomuus historian.