2.4.1.1ニューヨークのタクシー

研究者はニューヨークのタクシー運転手の意思決定を研究するためにタクシーメーターからビッグデータを使用しました。これらのデータは、この研究に適していました。

正しいことをカウントする単純なパワーの一例は、ヘンリー・ファーバーのから来ている(2015)ニューヨークのタクシー運転手の挙動の研究。このグループは、本質的に面白い鳴らないかもしれませんが、それは労働経済学の2つの競合する理論をテストするための戦略的研究サイトです。ファーバーの研究の目的のためには、タクシー運転手の作業環境に関する2つの重要な機能があります:1)自分の時給は日々、天候などの要因に部分的に基づいてから変動し、その動作時間の2)数運転者の意思決定に基づいて、毎日変動することができます。これらの機能は働いた時給と時間との関係についての興味深い質問につながります。経済学の新古典主義のモデルは、タクシー運転手は、彼らがより高い時給を持っている日にはより多くの働くだろうと予測しています。また、行動経済学からのモデルはまったく逆を予測します。ドライバーは日、作業ごとに特定の利益目標-言う$ 100に設定した場合、そのターゲットが満たされるまで、その後のドライバは、彼らがより多くを獲得していることを日に少数の時間を働いてしまうでしょう。あなたがターゲット稼ぎ手であった場合たとえば、あなたが悪い日(時間あたり$ 20)との良い日に4時間(時間あたり$ 25)、5時間の作業に終わるかもしれません。 (行動経済モデルによって予測されるように)だから、ドライバは低い時給での日に(新古典派モデルによって予測されるように)高い時給以上の時間と曜日により多くの時間を働くのですか?

2013年、今あるデータ-この質問に答えるためにファーバーは、2009年からニューヨーク市のタクシーで撮影されたすべてのタクシー旅行にデータを取得した公的に入手できます 。先端がで支払われた場合の位置、終了時刻、終了位置、運賃、チップを(開始、開始時間:このデータ-都市はするタクシーが必要です電子式メータによって収集された各旅行のためのいくつかの情報を使用するには、含まれてクレジットカード)。合計では、ファーバーのデータは(シフトはおよそ1ドライバーの一日の仕事である)約4000万シフト時に撮影した約9億旅行に関する情報が含まれていました。実際には、ファーバーは、唯一の彼の分析のためにそれのランダムなサンプルを使用したことを、とても多くのデータがありました。このタクシーメーターのデータを使用して、ファーバーは、ほとんどのドライバーは賃金は、より高い新古典派理論と一致している日にもっと働くことがわかりました。この主な知見に加えて、ファーバーは異質とダイナミクスをよりよく理解するためにデータのサイズを活用することができました。ファーバーは、時間をかけて新しいドライバが徐々に(例えば、彼らは新古典派モデルが予測として振る舞うことを学ぶ)、高賃金の日にもっと時間を働くことを学ぶことがわかりました。そして、より多くのターゲット所得者のように振る舞う新しいドライバは、タクシーの運転手辞めする可能性が高くなります。電流ドライバの観察された挙動を説明するのに役立つこれらのより微妙な所見の両方の理由は、データセットのサイズにのみ可能でした。彼らは時間の短い期間(例えば、上でタクシー運転手の数が少ないから用紙トリップシートを使用し、以前の研究で検出することは不可能だったでしょうCamerer et al. (1997)

ファーバーの研究では、ビッグデータを用いた研究のためのベストケースに近かったです。市はデジタルメーターを使用するためのドライバを必要とするので、まず、データが非代表ませんでした。市が収集されたデータは、彼は選択肢を持っていた場合ファーバーは、収集したはずのデータにかなり近かったためと、データが不完全ではなかった(1の違いは、ファーバーが総賃金-運賃プラスtips-に望んでいたデータを持っているだろうということですしかし、都市のデータのみ)クレジットカードでお支払いのヒントが含まれています。ファーバーの研究の鍵は、優れたデータとよく質問を組み合わせました。データのみでは十分ではありません。