2.4.3.1 Natural Experimenter

Natural Experimenter Avantage vun zoufälleg Evenementer vun der Welt. zoufälleg event + ëmmer-iwwert Daten System = natierlech Experimenter

De Schlëssel zoufälleg kontrolléiert Experimenter Meldunge fair Verglach ass de randomization. Mä heiansdo geschitt eppes vun der Welt, déi am Fong Leit per Zoufall oder bal zoufälleg zu verschidden Traitementer Arméischoul. Ee vun schéinste Beispiller vun der Strategie vun natierleche Experimenter benotzt kënnt aus der Fuerschung vun Angrist (1990) , déi den Effet vun militäresch Servicer op Akommes Mesuren.

Während dem Krich am Vietnam, fräi d'USA der Gréisst vu senger Arméi duerch e Projet. Fir déi Bierger nees Service genannt wier ze décidéieren, déi Verantwortlech vun der US Regierung eng Lotterie. All Gebuertsdatum war op engem Stéck Pabeier vertrueden, an dës Pabeiere waren an engem groussen Glas Jar gesat. Als zu Dorënner 2,5 gewisen, goufen dës Ausrutscher vum Pabeier vun der Jar ee bei enger Zäit den Optrag fir festzestellen, Wolleken, datt jonk Männer ze déngen genannt wier (jonk Fraen un de Projet net Thema waren). Baséierend op de Resultater, 14. September gebuer Männer goufen éischt genannt, gebuer Männer op 24 Abrëll zweet genannt goufen, a sou op. Schlussendlech, an dat Bauerefänkerei, sech verschidden Deeg op 195 gebuer Männer ze Service genannt iwwerdeems op 171 Deeg gebuer Männer goufen net genannt.

Figur 2,5: Wéi Alexander Pirnie (R-NY) op den éischte nominéiert fir de Zortéiere Service Projet Dezember Zeechnen 1, 1969 Joshua Angrist (1990) de Projet Bauerefänkerei mat Akommes Daten aus der Social Security Administration kombinéiert den Effet vun Militärdéngscht Devis op Akommes. Dat ass en Beispill vu Recherche engem natierlechen Experimenter benotzt. Source: Wikimedia Commons

Figur 2,5: Wéi Alexander Pirnie (R-NY) op den éischte nominéiert fir de Zortéiere Service Projet Dezember Zeechnen 1, 1969 Joshua Angrist (1990) de Projet Bauerefänkerei mat Akommes Daten aus der Social Security Administration kombinéiert den Effet vun Militärdéngscht Devis op Akommes. Dat ass en Beispill vu Recherche engem natierlechen Experimenter benotzt. Source: Wikimedia Commons

Obwuel et net direkt offensichtlech ginn, huet e Projet Bauerefänkerei enger kritescher Ähnlechkeet engem zoufälleg kontrolléiert Experimenter: Souwuel Situatiounen Participanten zoufälleg Léiwe sinn eng Behandlung ze kréien. Am Fall vun der Konstitutioun Bauerefänkerei, wann mir am Léieren iwwer d'Auswierkunge vun Projet-Zoulag an Militärdéngscht op Kierzunge Aarbechtsmaart Akommes interesséiert sinn, kënne mir eis Resultater fir Leit hir Gebuursdeeg goufen ënnert der Lotterie cutoff vergläichen (zB, 14. September, Abrëll 24, etc.) mat de Resultater fir Leit hir Gebuersdeeg no der cutoff goufen (zB, 20. Februar, Dezember 2, etc.).

Tatsaach, datt dës Behandlung vun esou zoufälleg unerkannten agezunn ass, kann mir dann Moossnam den Effet vun dëser Behandlung fir all Resultat datt gemooss gouf. Zum Beispill, Angrist (1990) kombinéiert d'Informatiounen iwwer déi sech an de Projet mat Akommes Donnéeën ausgewielt, déi vun der Sozialversécherung Administration gesammelt war ze schléissen, datt d'Akommes vun wäiss Veteranen ronn 15% manner wéi d'Akommes vun ähnlecher Net-Veterane sech . Aner Fuerscher hunn en ähnleche markéiert grad gebraucht. Zum Beispill, Conley and Heerwig (2011) kombinéiert d'Informatiounen iwwer déi am Projet mat Stot Donnéeën ausgewielt gouf aus dem Joer 2000 Vollekszielung an 2005 American Community Survey gesammelt a fonnt, datt sou laang no de Projet, do war bësse langfristeg Effet vun Militärdéngscht op ville Resultater wéi Wunneng Virgänger (Besëtz versus Reservatioun) an Wunn- Stabilitéit (Bewäertung vun am leschte fënnef Joer geplënnert).

Wéi dëst Beispill illustréiert, heiansdo sozial, politesch, oder natierlech Kräften schafen Experimenter oder Géigend-Experimenter vun de Fuerscher leveraged kënnen. Oft natierlech Experimenter sinn déi bescht Manéier, verursaache-a-Effekt Bezéiungen zu Astellungen ze schätzen, wou et net ethesch oder praktesch ass zu zoufälleg kontrolléiert Experimenter lafen. Si sinn e wichtege Strategie fir fair Vergläicher vun Net-experimentell Date entdecken. Dëst Fuerschung Strategie kënne vun dëser Equatioun zesummegefaasst ginn:

\ [\ Text {zoufälleg (oder wéi wann zoufälleg) event} + \ Text {ëmmer-iwwert Daten Baach} = \ Text {natierlech Experimenter} \ qquad (2.1) \]

Allerdéngs kann d'Analys vun natierleche Experimenter ginn relativ komplizéiert. Zum Beispill, am Fall vun de Vietnam Projet, net jiddereen deen Projet-beliwwert fräie landt (et waren eng ganz Rei vu Spären). An, op der selwechter Zäit, deen e puer Leit net sech Projet-beliwwert fräiwëlleg vum Service. Et war wéi wann an engem Medeziner Prozess vun enger neier Drogenofhängeger, e puer Leit an der Behandlung Grupp net huet hir Medikamenter huelen an e puer vun de Leit an der Kontroll Grupp iergendwéi d'Drogen dobäi. Dëse Problem, genannt zwee-eesäitegen noncompliance, wéi och vill aner Problemer sinn méi an den Detail an e puer vun de Fichieren Moossungen um Enn vun dësem Kapitel beschriwwen.

Den Trainer vun Virdeel Vereedegung vun natierleche zoufälleg Identitéitskaarten vir duerno de digital Alter, mä de prevalence vun groussen Donnéeën mécht dës Strategie vill méi einfach ze benotzen. Wann Dir eng Behandlung mierken kann grouss Datequellen zougewisen gouf ausgewielt, déi d'Resultat Donnéeën dass Dir an Uerdnung muss d'Resultater fir d'Leit an d'Behandlung an Kontroll Konditiounen ze vergläichen. Zum Beispill, zu sengem Studium vun de Folge vun der Konstitutioun an Militärdéngscht gemaach Angrist Benotzung vun Akommes records vun der Social Security Administration; ouni dëst Resultat Donnéeën, géif sengem Studium net méiglech gewiescht. An dësem Fall ass d'Social Security Administration de ëmmer-iwwert grouss Daten Quell. Als méi a méi automatesch gesammelt Daten Quellen existéieren, wäert mer méi Resultat Donnéeën hunn, datt d'Auswierkunge vun Ännerungen geschafen duerch exogenous Variant Moossnam kann.

Fir dës Strategie vun der digitaler Ära Ganzt, loossen d'Meenung Mas an Moretti senger (2009) elegant Fuerschung iwwert d'Wierkung vun lieweg op Produktivitéit. Obwuel op der Uewerfläch kéint et se an Struktur kucken anescht wéi Etude d'Angrist iwwert d'Auswierkunge vun der Entworf Vietnam, dann souwuel d'Muster vun verstoen. 2.1.

Mas an Moretti gemooss, wéi lieweg d'Produktivitéit vun Aarbechter betreffen. Op der enger Säit, vläicht eng haart schaffen Praslin, dass Aarbechter nodeems hir Produktivitéit Drock well vun Praslin ze erhéijen. Oder, op der aner Hand, eng haart schaffen Praslin vläicht aner Aarbechter huet souguer méi ze Slack ugefaangen. Déi schéinste Wee Praslin Auswierkungen op Produktivitéit ze studéieren wier eng zoufälleg kontrolléiert Experimenter wou Aarbechter mat Aarbechter vu verschiddene Produktivitéit Niveauen ze unzepassen zoufälleg zougewisen ginn an dann doraus Produktivitéit ass fir jiddereen gemooss. Fuerscher, awer Kontroll do net den Zäitplang vun den Aarbechter zu keng real Geschäft, an sou Mas an Moretti huet op eng natierlech Experimenter ze setzen déi Plaz an engem Supermarché huet.

Just wëll verstoen. 2.1, hir Etude no zwee Deeler. Éischt, se benotzt der nokucken aus dem Supermarché Kees System enger preziser, eenzel ze hun, an emmer-iwwert Mesure vun Produktivitéit: d'Zuel vun Artikele pro zweet gescannt. An den zweeten, well vun der Aart a Weis, datt kann op dësem Supermarché gemaach huet, si hun bei zoufälleg Zesummesetzung vun lieweg. An anere Wierder, och wann den kann vun Austausch net duerch eng Lotterie alles ass, et war am Fong zoufälleg. An der Praxis, hinges d'Vertraue mir an natierlech Experimenter hunn dacks op d'Thes vun dëser "wéi-och wann" zoufälleg behaapten. Alles Virdeel vun dëser zoufälleg Variant, Mas an Moretti fonnt dass mat héijer Produktivitéit Studente schaffen Produktivitéit geet. Weider, benotzt Mas an Moretti der Gréisst a Räichtum vun hiren Donnéeën iwwert d'Estimatioun vun Doudesursaach-a-Effekt ze plënneren beschen zwee méi wichteg an dezent Froen: heterogeneity vun dësem Effet (fir deen Aarte vun Aarbechter ass den Effet méi grouss) an Mechanismus hannert den Effet (firwat héich Produktivitéit lieweg ze héijer Produktivitéit an et mussen). Mir ginn zréck an dësen zwee wichtegst Problemer-heterogeneity vun Behandlung Effekter a Mechanismen-am Kapitel 5 wann mir Experimenter am Detail diskutéieren.

Generalizing vun de Studien iwwert d'Wierkung vun de Vietnam Entworf op Akommes an der Etude vun der Wierkung vun lieweg op Produktivitéit, Table 2,3 resüméiert aner Studien dass dës genee selwecht Struktur hunn: mat enger ëmmer-iwwert Daten Quell den Impakt vun e puer Event ze moossen . Als Table 2,3 kloer mécht, sinn natierlech Experimenter iwwerall wann Dir just wëssen, wéi fir se ze kucken.

Table 2,3: Beispiller vun natierleche Experimenter grouss Daten Quellen benotzt. All dës Studien verfollegen d'selwecht fundamental Rezept: zoufälleg (oder wéi wann zoufälleg) event + ëmmer-iwwert Daten System. Zréck Dunning (2012) fir méi Beispiller.
Substantive konzentréieren Source vun natierleche Experimenter Ëmmer-iwwert Daten Quell Fro
Peer Auswierkungen op Produktivitéit kann Prozess Kees Donnéeën Mas and Moretti (2009)
friendship Équipe laachen Facebook Phan and Airoldi (2015)
Verbreedung vun Emotiounen Reen Facebook Coviello et al. (2014)
Peer wirtschaftlech Transferten ze Praslin Äerdbiewen Handy Suen Donnéeën Blumenstock, Fafchamps, and Eagle (2011)
Perséinlech Konsum gelooss 2013 US Keesen perséinlech Finanzen Donnéeën Baker and Yannelis (2015)
Wirtschaftlechen Impakt vun recommender Systemer verschidde Consultatioun Daten op Amazon Sharma, Hofman, and Watts (2015)
Effet vun Stress op geflu Bébé'en 2006 Israel-Visioun Krich Gebuert records Torche and Shwed (2015)
Reading Verhalen op Wikipedia Snowden opzepassen Wikipedia Logbicher Penney (2016)

An der Praxis, benotzen Fuerscher zwou verschiddene Strategien fir Opklärung natierlech Experimenter, souwuel vun deem gesin kënnen. Verschidde Fuerscher Start mat der ëmmer-iwwert Daten Quell a kucken fir zoufälleg Evenementer vun der Welt; anerer ufänken mat ënnerschiddleche Evenementer vun der Welt a kucken fir Datequellen datt hir Auswierkungen knipsen. Endlech erkennt, datt d'Stäerkt vun natierleche Experimenter kënnt net aus der perfekt vun der statistescher Analys, mä aus der Pfleeg eng fair Verglach vun enger Chance Accident vun der Geschicht hunn an entdecken.