2.4.3.1 Természetes kísérletek

Természetes kísérletek kihasználni véletlen esemény a világon. véletlen esemény + always-on adatrendszer = természetes kísérlet

A legfontosabb, hogy randomizált, kontrollált kísérletek, amelyek lehetővé teszik a tisztességes összehasonlítás a véletlenszerűség. Azonban néha valami történik a világban, hogy lényegében osztja az embereket véletlenszerűen vagy majdnem véletlenszerűen különböző kezeléseknek. Az egyik legtisztább példája a stratégia segítségével természetes kísérletek származik kutatása Angrist (1990) , amely méri a hatását a katonai szolgáltatások bevételeit.

A vietnami háború, az Egyesült Államokban nőtt a mérete a fegyveres erők egy tervezetet. Annak eldöntésére, hogy melyik a polgárok fogják nevezni helyezését, az amerikai kormány tartott sorsoláson. Minden születési képviselte egy darab papírra, és ezeket a papírokat helyezzük egy nagy üvegedénybe. Amint azt a 2.5 ábra, ezek cédulák állították a jar egyesével rendjének meghatározására, hogy a fiatal férfiak lenne hivatott szolgálni (a fiatal nők nem voltak kitéve a tervezet). Az eredmények alapján, a férfiak született szeptember 14-én hívták először született férfiak április 24-én hívták második, és így tovább. Végül, ezen a sorsoláson, született férfiak 195 különböző napon hívták szolgáltatást, míg a férfiak született 171 nap nem hívott.

2.5 ábra: kongresszusi Alexander Pirnie (R-NY) rajz az első kapszula a hadkötelezettség tervezetet december 1-jén, 1969. Joshua Angrist (1990) kombinált tervezet lottó bevételi adatokat a Social Security Administration megbecsülni a hatása a katonai szolgálat bevételeit. Ez egy példa a kutatás egy természetes kísérlet. Forrás: Wikimedia Commons

2.5 ábra: kongresszusi Alexander Pirnie (R-NY) rajz az első kapszula a hadkötelezettség tervezetet december 1-jén, 1969. Joshua Angrist (1990) kombinált tervezet lottó bevételi adatokat a Social Security Administration megbecsülni a hatása a katonai szolgálat bevételeit. Ez egy példa a kutatás egy természetes kísérlet. Forrás: Wikimedia Commons

Bár ez lehet, hogy nem azonnal nyilvánvaló, a tervezet lottó amelynek kritikus hasonlóságot randomizált, kontrollált kísérlet: mindkét esetben a résztvevők véletlenszerűen kap kezelést. Abban az esetben, a tervezet lottó, ha érdekli a tanulás a hatását draft-jogosultság és a katonai szolgálat a későbbi munkaerő-piaci hozamok, össze tudjuk hasonlítani eredményeket az emberek, akiknek születési alacsonyabbak voltak a lottó cutoff (pl szeptember 14. április 24, stb), az eredményekkel számára, akiknek a születésnapja után volt a cutoff (pl február 20. december 2., stb.)

Tekintettel arra, hogy ez a kezelés a kidolgozás alatt került véletlenszerűen tudjuk majd mérni a hatását a kezelés semmilyen eredmény, hogy már mérhető. Például Angrist (1990) kombinált információt, akik véletlenszerűen kiválasztva a tervezetet kereseti adatok gyűjtöttük a Social Security Administration arra következtetni, hogy az eredmény fehér veteránok mintegy 15% -kal kevesebb, mint a jövedelem a hasonló nem veteránok . Más kutatók használt egy hasonló trükk is. Például Conley and Heerwig (2011) kombinált információt akit véletlenszerűen kiválasztott tervezetben a háztartási gyűjtött adatokat a 2000-es népszámlálás és 2005 amerikai közösségi felmérés, és megállapította, hogy mindaddig, miután a tervezet nem volt kevés hosszú távú hatása katonai szolgálat különböző kimenetele, mint a lakhatás birtoklás (tulajdonos versus bérleti) és a lakossági stabilitás (valószínűségét költözött az előző öt év).

Amint ez a példa is mutatja, néha társadalmi, politikai, vagy természeti erők létrehozásához kísérleteket vagy közel kísérletek, hogy lehet hitelből a kutatók. Gyakran természetes kísérletek a legjobb módja annak, hogy becsülni ok-okozati kapcsolatok beállításait, ha ez nem etikai vagy gyakorlati futtatásához randomizált, kontrollált kísérletek. Ezek fontos stratégia felfedezni tisztességes összehasonlítást nem kísérleti adatok. Ez a kutatás stratégia lehet összefoglalni ez az egyenlet:

\ [\ text {random (vagy mintha random) esetén} + \ text {always-on adatfolyam} = \ text {természetes kísérlet} \ qquad (2,1) \]

Az elemzés azonban a természetes kísérletek is elég trükkös. Például abban az esetben, a vietnami tervezet nem mindenki, aki volt tervezet támogatható végül kiszolgáló (volt különböző kivételek). És ugyanakkor, olyan emberek, akik nem voltak tervezet támogatható önként szolgáltatást. Olyan volt, mintha egy klinikai vizsgálatban egy új gyógyszer, néhány ember a kezelt csoportban nem vette a gyógyszert, és néhány ember a kontrollcsoportban valahogy a szert. Ez a probléma, az úgynevezett kétoldalas noncompliance, valamint számos más problémát ismertetjük részletesebben néhány, a ajánlott irodalom végén ebben a fejezetben.

A stratégia kihasználva a természetben előforduló véletlen besorolás megelőzi a digitális korban, de a gyakorisága nagy adatmennyiség miatt ez a stratégia sokkal könnyebb használni. Ha rájössz, néhány kezelés lett hozzárendelve véletlenszerűen, nagy adatforrások nyújthat az eredmény adatokat, hogy szükség van annak érdekében, hogy hasonlítsa össze az eredményeket az emberek a kezelési és ellenőrzési feltételeket. Például tanulmányában hatásainak a tervezetet, és a katonai szolgálat, Angrist élt eredmény feljegyzések a Social Security Administration; nélkül ez az eredmény adatokat, tanulmányában nem lett volna lehetséges. Ebben az esetben, a Social Security Administration az always-on nagy adatforrás. Ahogy egyre több és több az automatikus adatgyűjtés forrás van, mi lesz több eredmény adatok, amelyek mérik a változtatások hatásait által létrehozott exogén változás.

Annak illusztrálására, hogy ezt a stratégiát a digitális korban, nézzük meg Mas és Moretti (2009) elegáns kutatás hatására a többiek a termelékenységet. Bár a felszínen úgy tűnhet eltérő Angrist tanulmánya a hatását Vietnam tervezet, a szerkezet mindketten követik a mintát ekv. 2.1.

Mas és Moretti mért hogyan társaik befolyásolja a dolgozók termelékenysége. Egyrészt, egy nehezen működő szakértői vezethet dolgozók, hogy növeljék termelékenységüket, mert a nyomásgyakorlás. Vagy, másrészt, egy keményen dolgozó szakértői vezethet más dolgozók laza off még. A legtisztább módja, hogy tanulmányozza a szakértői hatással van a termelékenységre lenne, randomizált, kontrollált kísérletben, ahol a munkavállalók véletlenszerűen műszakban dolgozók különböző termelékenységi szintet, majd kapott termelékenység mérése mindenki számára. A kutatók azonban nem ellenőrzik a menetrend a dolgozók valódi üzleti, és így Mas és Moretti kellett támaszkodnia a természetes kísérlet lezajlott egy szupermarketben.

Akárcsak ekv. 2,1, a tanulmány két részből állt. Először is használják a naplókat a szupermarket pénztárnál rendszer, hogy pontos, egyéni, és állandóan intézkedés a termelékenység: a tételek száma beolvasott másodpercenként. , Másrészt azért, mert az úgy, hogy ütemezés kelt ez szupermarket, ezek közel véletlenszerű összetételét társaik. Más szóval, bár a ütemezését pénztárosok nem határozza meg a lottó, hogy lényegében véletlenszerű. A gyakorlatban a bizalom van a természeti kísérletekben gyakran függ a kellő ez ", mint ha" véletlen állítást. Kihasználva ezt a véletlenszerű variáció, Mas és Moretti megállapította, hogy a dolgozó magasabb termelékenység társaik növeli a termelékenységet. Továbbá, Mas és Moretti használta a nagysága és gazdagsága a adatbázisba, hogy túllépjünk a becslése ok-okozati felfedezni két fontos és finom kérdések: heterogenitása ezt a hatást (amelyre féle dolgozók a hatás nagyobb) és mechanizmus mögött a hatás (miért, amelynek a magas termelékenység társaik vezet a magasabb termelékenység). Vissza fogunk térni a két fontos kérdés-heterogenitás a kezelés hatásának és mechanizmusok-ben az 5. fejezetben, amikor megbeszéljük kísérleteket részletesebben.

Általánosítva a vizsgálatok alapján az a vietnami tervezet a jövedelem és a tanulmány a hatása társaik a termelékenységre, 2.3 táblázat foglalja össze más vizsgálatok is ez pontosan ugyanaz a szerkezete: segítségével always-on adatforrás hatásának mérésére valamilyen esemény . Mivel 2.3 táblázat teszi a tiszta, természetes kísérletek mindenütt, ha csak tudja, hogyan kell keresni őket.

2.3 táblázat: Példák a természetes kísérletek nagy adatforrások. Ezek a tanulmányok kövesse ugyanazt az alapvető recept: random (vagy mintha random) esetén + always-on adatrendszer. Lásd Dunning (2012) több példát.
lényegi fókusz Forrása a természetes kísérlet Always-on adatforrás Idézet
Peer hatással van a termelékenységre ütemezési feladat pénztár adatai Mas and Moretti (2009)
barátság kialakulása hurrikánok Facebook Phan and Airoldi (2015)
Spread érzelmek eső Facebook Coviello et al. (2014)
Peer-to-peer gazdasági transzferek földrengés mobil pénz adatok Blumenstock, Fafchamps, and Eagle (2011)
Személyes fogyasztói magatartás 2013 amerikai kormány shutdown személyes pénzügyi adatok Baker and Yannelis (2015)
Gazdasági hatása ajánló rendszerek különféle böngészési adatok az Amazon-on Sharma, Hofman, and Watts (2015)
Hatás a stressz a magzatra 2006 Izrael-Hezbollah háború Született bejegyzések Torche and Shwed (2015)
Olvasás viselkedés a Wikipedia Snowden kinyilatkoztatások Wikipedia naplók Penney (2016)

A gyakorlatban, a kutatók használni a két különböző stratégiákat megállapítás természetes kísérletek, melyek mindegyike lehet eredményes. Egyes kutatók kezdeni az always-on adatforrás, és keresse meg a véletlenszerű események a világban; mások kezdeni véletlenszerű esemény a világon, és keresse meg az adatforrások, amelyek rögzítik a hatásuk. Végül megjegyezzük, hogy a szilárdsága természetes kísérletek nem jön a kifinomultabb a statisztikai elemzés, hanem a gondoskodás felfedezni tisztességes összehasonlítás által létrehozott szerencsés véletlen a történelem.