2.4.3.1 သဘာစမ်းသပ်ချက်

သဘာစမ်းသပ်ချက်လောကရှိကျပန်းဖြစ်ရပ်များ၏အားသာချက်ယူပါ။ ကျပန်းအဖြစ်အပျက် + အမြဲ-အပေါ်ဒေတာစနစ်က = ကသဘာဝစမ်းသပ်မှု

တရားမျှတနှိုင်းယှဉ်လျှင် enable လုပ်ထားခြင်း randomized ထိန်းချုပ်ထားသောစမ်းသပ်ချက်ဖို့အဓိကသော့ချက်ကျပန်းဖြစ်ပါတယ်။ သို့သော်ရံဖန်ရံခါတစ်ခုခုမရှိမဖြစ်လိုအပ်တဲ့ကွဲပြားခြားနားသောကုသမှုဖို့ကျပန်းကျပန်းသို့မဟုတ်နီးပါးကလူသတ်မှတ်ပေးထားတဲ့သောကမ်ဘာ​​တှငျဖွစျသှား။ သဘာဝအလျောက်စမ်းသပ်အသုံးပြုခြင်း၏မဟာဗျူဟာ၏ရှင်းလင်းစွာဥပမာတစ်ခုမှာ၏သုတေသနမှလာ Angrist (1990) ဝင်ငွေရရှိမှုအပေါ်စစ်ရေးန်ဆောင်မှု၏အကျိုးသက်ရောက်မှုကိုတိုင်းတာသော။

ဗီယက်နမ်စစ်ပွဲကာလအတွင်းအမေရိကန်ပြည်ထောင်စုကိုမူကြမ်းအားဖြင့်၎င်း၏လက်နက်ကိုင်တပ်ဖွဲ့များရဲ့အရွယ်အစားတိုးတက်လာခဲ့သည်။ ဝန်ဆောင်မှုသို့ဟုခေါ်တွင်စေမည့်နိုင်ငံသားများဆုံးဖြတ်နိုင်ရန်အတွက်အမေရိကန်အစိုးရကထီကျင်းပခဲ့တယ်။ တိုင်းမွေးနေ့စာရွက်တစ်ရွက်ပေါ်တွင်ကိုယ်စားပြုခဲ့ပါတယ်, ဤစာတမ်းများကြီးမားတဲ့ဖန်အိုး၌ထားကြ၏။ ပုံ 2.5 မှာပြထားတဲ့အတိုင်းစက္ကူဤစာရွက်များလုလင်တို့သည် (လူငယ်အမျိုးသမီးတွေမူကြမ်းမှဘာသာရပ်မဟုတ်ကြ) အစေခံရန်ဟုခေါ်ဝေါ်ခြင်းကိုခံရမယ်လို့အမိန့်ကိုဆုံးဖြတ်ရန်အချိန်အိုးတလုံးတစျခုမှရေးဆွဲခဲ့ကြသည်။ ရလဒ်များအပေါ် အခြေခံ. စက်တင်ဘာလ 14 ရက်နေ့တွင်ဖွားမြင်ယောက်ျားဒါပထမဦးဆုံး, ဧပြီ 24 ရက်တွင်ဖွားမြင်ယောက်ျားဒုတိယဟုခေါ်ကြသည်ဟုခေါ်တွင်ခြင်း, ခဲ့ကြသည်။ နောက်ဆုံးတွင်, ဒီထီအတွက်, 195 ကွဲပြားခြားနားသောနေ့ရကျမှာမွေးဖွားယောက်ျား 171 ရက်မွေးဖွားခဲ့ပြီးယောက်ျားမချေါမစဉ်တွင်ဝန်ဆောင်မှုပေးရန်ဟုခေါ်ကြသည်။

2.5 ပုံ: ဒီဇင်ဘာ 1 ရက်နေ့တွင်ရွေးချယ်ဝန်ဆောင်မှုမူကြမ်းများအတွက်ပထမဦးဆုံးဆေးတောင့်ဆွဲကွန်ဂရက်အလက်ဇန်းဒါး Pirnie (R-NY), 1969 ခုနှစ်ယောရှုသည် Angrist (1990) စစ်မှုထမ်းများ၏အကျိုးသက်ရောက်မှုကိုခန့်မှန်းရန်လူမှုလုံခြုံရေးအုပ်ချုပ်ရေးအဖွဲ့မှဝင်ငွေရရှိမှုဒေတာတွေနဲ့မူကြမ်းထီပေါင်းစပ် ဝင်ငွေရရှိမှုအပေါ်။ ဒါကသဘာဝစမ်းသပ်မှု အသုံးပြု. သုတေသန၏ဥပမာတစ်ခုဖြစ်ပါတယ်။ source: Wikimedia Commons

2.5 ပုံ: ဒီဇင်ဘာ 1 ရက်နေ့တွင်ရွေးချယ်ဝန်ဆောင်မှုမူကြမ်းများအတွက်ပထမဦးဆုံးဆေးတောင့်ဆွဲကွန်ဂရက်အလက်ဇန်းဒါး Pirnie (R-NY), 1969 ခုနှစ်ယောရှုသည် Angrist (1990) စစ်မှုထမ်းများ၏အကျိုးသက်ရောက်မှုကိုခန့်မှန်းရန်လူမှုလုံခြုံရေးအုပ်ချုပ်ရေးအဖွဲ့မှဝင်ငွေရရှိမှုဒေတာတွေနဲ့မူကြမ်းထီပေါင်းစပ် ဝင်ငွေရရှိမှုအပေါ်။ ဒါကသဘာဝစမ်းသပ်မှု အသုံးပြု. သုတေသန၏ဥပမာတစ်ခုဖြစ်ပါတယ်။ source: Wikimedia Commons

သင်တန်းသားများကိုကျပန်းတစ်ဦးဆေးကုသမှုခံယူဖို့တာဝန်ဖြစ်ကြောင်းနှစ်ဦးစလုံးအခြေအနေများတွင်: ကချက်ချင်းသိသာမဖြစ်ပေမဲ့တစ်ဦးမူကြမ်းထီတစ် randomized ထိန်းချုပ်ထားသောစမ်းသပ်မှုတစ်ခုဝေဖန်တူညီပါတယ်။ ကျနော်တို့မူကြမ်း-ထိုက်ခွင့်နှင့်နောက်ဆက်တွဲလုပ်အားဈေးကွက်င်ငွေအပေါ်စစ်မှုထမ်းများ၏အကျိုးသက်ရောက်မှုများနှင့် ပတ်သက်. လေ့လာသင်ယူစိတ်ဝင်စားလျှင်မူကြမ်းထီ၏ဖြစ်ရပ်အတွက်, ငါတို့သည်အဘယ်သူ၏မွေးနေ့အထီ cutoff (ဥပမာ, စက်တင်ဘာလ 14 ရက်, ဧပြီအောက်တွင်ဖော်ပြထားသောခဲ့ကြလူတို့အဘို့ရလဒ်များနှိုင်းယှဉ်နိုင် အဘယ်သူ၏မွေးနေ့အ cutoff (ဥပမာ, ဖေဖေါ်ဝါရီလ 20 ဒီဇင်ဘာ 2, etc) ပြီးနောက်ခဲ့ကြသည်လူတို့အဘို့ရလဒ်များနှင့်အတူ 24, etc) ။

ရေးဆွဲခံရဒီကုသမှုကျပန်းတာဝန်ပေးအပ်ခဲ့ကြောင်းပေးထားကျနော်တို့ပြီးတော့တိုင်းတာခဲ့ကြောင်းမည်သည့်ရလဒ်အဘို့ဤကုသမှု၏အကျိုးသက်ရောက်မှုကိုတိုင်းတာနိုင်ပါတယ်။ ဥပမာအားဖြင့်, Angrist (1990) ကျပန်းအဖြူစစ်ပြန်များ၏ဝင်ငွေရရှိမှုနှင့်နှိုင်းယှဉ်သည် non-စစ်ပြန်များ၏ဝင်ငွေရရှိမှုထက် 15% လျော့နည်းခဲ့ကြကြောင်းကောက်ချက်ချဖို့လူမှုဖူလုံရေးအုပ်ချုပ်ရေးအားဖြင့်ကောက်ယူခဲ့ကွောငျးင်ငွေဒေတာတွေနဲ့မူကြမ်းအတွက်ရွေးချယ်ထားသည့်သူအကြောင်းသတင်းအချက်အလက်များပေါင်းစပ် ။ အခြားသုတေသီများအဖြစ်ကောင်းစွာအလားတူလှည့်ကွက်အသုံးပြုခဲ့ကြသည်။ ဥပမာအားဖြင့်, Conley and Heerwig (2011) ကျပန်း 2000 ခုနှစ်သန်းခေါင်စာရင်းများနှင့် 2005 ခုနှစ်အမေရိကန်လူထုစစ်တမ်းမှကောက်ယူအိမ်သူအိမ်သားဒေတာတွေနဲ့မူကြမ်းအတွက်ရွေးချယ်ဤမျှကာလပတ်လုံးမူကြမ်းပြီးနောက်၏နည်းနည်းရေရှည်အကျိုးသက်ရောက်မှုရှိကွောငျးတှေ့ရှိခဲ့သောသူအကြောင်းသတင်းအချက်အလက်များပေါင်းစပ် ထိုကဲ့သို့သောအိမ်ရာ (ငှားရမ်းနှိုင်းယှဉ်ပိုင်ဆိုင်) သက်တမ်းနှင့်လူနေအိမ်တည်ငြိမ်မှု (ယခင်ငါးနှစ်အတွင်းပြောင်းရွှေ့ပြီးမှ၏ဖြစ်နိုင်ခြေ) အဖြစ်ရလဒ်များ၏အမျိုးမျိုးအပေါ်စစ်မှုထမ်း။

ဒီဥပမာသရုပ်ဖော်အဖြစ်, တခါတရံတွင်လူမှုရေး, နိုင်ငံရေး, ဒါမှမဟုတ်သဘာဝအတပ်ဖွဲ့တွေသုတေသီများအားဖြင့်ရေးအတွက်ရနိုင်ကြောင်းစမ်းသပ်ချက်သို့မဟုတ်အနီး-စမ်းသပ်ချက်ဖန်တီးပါ။ မကြာခဏဆိုသလိုသဘာဝအစမ်းသပ်ချက်ကြောင့် randomized ထိန်းချုပ်ထားသောစမ်းသပ်ချက်ကို run ဖို့ကျင့်ဝတ်သို့မဟုတ်လက်တွေ့ကျတဲ့မသည်အဘယ်မှာရှိ setting တွင်အကြောင်းမရှိ-and effect ကိုဆက်ဆံရေးကိုခန့်မှန်းရန်အကောင်းဆုံးနည်းလမ်းဖြစ်ပါသည်။ သူတို့က Non-စမ်းသပ်ဒေတာအတွက်တရားမျှတနှိုင်းယှဉ်ရှာဖွေတွေ့ရှိဘို့အရေးပါတဲ့မဟာဗျူဟာဖြစ်ကြသည်။ ဒီသုတေသနကိုမဟာဗျူဟာဒီညီမျှခြင်းအားဖြင့်အကျဉ်းချုံးခြင်းကိုခံရနိုင်သည်

\ [\ စာသားကို {ကျပန်း (သို့မဟုတ်ကျပန်းလျှင်ကဲ့သို့) ဖြစ်ရပ်} + \ စာသားကို {ဒေတာစီးအမြဲ-အပေါ်} = \ စာသားကို {သဘာဝအစမ်းသပ်မှု} \ qquad (2.1) \]

သို့သော်သဘာဝစမ်းသပ်ချက်၏ခွဲခြမ်းစိတ်ဖြာအတော်လေးစားမှုရှိနိုင်ပါသည်။ ဥပမာ, ဗီယက်နမ်မူကြမ်း၏ဖြစ်ရပ်အတွက်, မူကြမ်း-အရည်အချင်းပြည့်မီသူမဟုတ်လူတိုင်း (ကင်းလွတ်ခွင့်အမျိုးမျိုးရှိကြ၏) ထမ်းဆောင်တက်အဆုံးသတ်ခဲ့သည်။ နှင့်အညီ, တစ်ချိန်တည်းမှာ, ရေးဆွဲ-အကျုံးမနေသောလူတချို့ဝန်ဆောင်မှုများအတွက်စေတနာ့ဝန်ထမ်း။ အသစ်တစ်ခုကိုမူးယစ်ဆေးတစ်ခုလက်တွေ့စမ်းသပ်မှုအတွက်ကုသမှုအုပ်စုတွင်အချို့သောလူတို့သည်မိမိတို့ဆေးဝါးမယူခဲ့ပါနဲ့တစ်နည်းနည်းနဲ့မူးယစ်ဆေးလက်ခံရရှိထိ​​န်းချုပ်မှုအုပ်စုတွင်လူအများ၏အချို့သောလျှင်ကြောင့်ခဲ့သည်။ ဒီနှစ်ခုတဖက်သတ် noncompliance ဟုခေါ်တွင်ပြဿနာ, အဖြစ်ကောင်းစွာအဖြစ်များစွာသောအခြားပြဿနာများကိုဤအခနျးရဲ့အဆုံးမှာအကြံပြုဖတ်ကြားအချို့ကိုအတွက်ကြီးမြတ်အသေးစိတ်ဖော်ပြထားကြသည်။

သဘာဝကျကျကျပန်းတာဝန်ကိုဖြစ်ပေါ်၏အားသာချက်ယူပြီး၏မဟာဗျူဟာဒီဂျစ်တယ်ခေတ် precedes, ဒါပေမယ့်ကြီးမားတဲ့အချက်အလက်များ၏ပျံ့နှံ့သုံးစွဲဖို့ဤနည်းဗျူဟာအများကြီးလွယ်ကူစေသည်။ သငျသညျအခြို့သောကုသမှုကိုကျပန်းတာဝန်ပေးအပ်ထားပြီးသဘောပေါက်သည်နှင့်တပြိုင်နက်ကြီးမားတဲ့ data တွေကိုသတင်းရင်းမြစ်ကိုသင်ကုသမှုနှင့်ထိန်းချုပ်မှုအခြေအနေများအတွက်လူတို့အဘို့ရလဒ်များကိုနှိုင်းယှဉ်နိုင်ရန်အတွက်လိုအပ်သည့်ရလဒ်ကိုဒေတာပေးနိုင်ပါသည်။ ဥပမာအားဖြင့်, မူကြမ်းနှင့်စစ်ရေးဝန်ဆောင်မှု၏သက်ရောက်မှုများကသူ့လေ့လာမှုမှာ, Angrist လူမှုလုံခြုံရေးအုပ်ချုပ်ရေးအဖွဲ့မှဝင်ငွေရရှိမှုမှတ်တမ်းများအသုံး လုပ်. , ဒီရလဒ်ကိုဒေတာမပါပဲ, သူ့လေ့လာမှုကိုဖြစ်နိုင်သမျှပါပွီမဟုတျဘူး။ ဤကိစ္စတွင်ခုနှစ်, လူမှုလုံခြုံရေးအုပ်ချုပ်ရေးမှာအမြဲ-အပေါ်ကြီးမားတဲ့ဒေတာအရင်းအမြစ်ဖြစ်ပါတယ်။ ပို. ပို. အလိုအလျှောက်စုဆောင်းဒေတာသတင်းရပ်ကွက်များတည်ရှိနေသကဲ့သို့, ကျနော်တို့ exogenous မူကွဲအသုံးပြုနေသူများကဖန်တီးသောအပြောင်းအလဲ၏သက်ရောက်မှုကိုတိုင်းတာနိုင်မပိုပြီးရလဒ်ဒေတာများပါလိမ့်မယ်။

ဒီဂျစ်တယ်ခေတ်၌ဤနည်းဗျူဟာသရုပျဖျောဖို့, ရဲ့ Mas နှင့် Moretti ရဲ့စဉ်းစားပါကုန်အံ့ (2009) ကုန်ထုတ်လုပ်မှုအပေါ်ရွယ်တူ၏အကျိုးသက်ရောက်မှုအပေါ်ကြော့သုတေသနလုပ်ငန်း။ မျက်နှာပြင်ပေါ်မှာပေမယ့်သူတို့ကနှစ်ဦးစလုံး eq အတွက်ပုံစံနောက်သို့လိုက်ဖွဲ့စည်းပုံထဲမှာဗီယက်နမ်မူကြမ်း၏သက်ရောက်မှုနှင့် ပတ်သက်. Angrist ရဲ့လေ့လာချက်ထက်ကွဲပြားခြားနားသောကွညျ့ရှုနိုငျပါသညျ။ 2.1 ။

Mas နှင့် Moretti ရွယ်တူလုပ်သားတွေရဲ့ထုတ်လုပ်မှုစွမ်းအားကိုထိခိုက်ပုံကိုတိုင်းတာ။ တဖကျတှငျ, တစ်ခက်အလုပ်လုပ်သက်တူရွယ်တူရှိခြင်းကြောင့်အသက်တူရွယ်တူဖိအားသူတို့ရဲ့ကုန်ထုတ်စွမ်းအားတိုးမြှင့်ဖို့အလုပျသမားဦးဆောင်နိုင်တယ်။ သို့မဟုတ်, အခြားလက်ပေါ်, တစ်ခက်အလုပ်လုပ်သက်တူရွယ်တူ ပို. ပင်ပယ်ကိုပိတ်ဆို့တားဆီးစေရန်အခြားလုပ်သားများဦးဆောင်နိုင်တယ်။ productivity အပေါ်သက်တူရွယ်တူအကျိုးသက်ရောက်မှုကိုလေ့လာရန်ရှင်းလင်းစွာလမ်းလုပ်သားများကျပန်းကွဲပြားခြားနားသောကုန်ထုတ်လုပ်မှုအဆင့်ဆင့်၏လုပ်သားများနှင့်အတူဆိုင်းရန်တာဝန်ပေးအပ်ကြသည်ပြီးတော့ရရှိလာတဲ့ကုန်ထုတ်စွမ်းအားလူတိုင်းအတွက်တိုင်းတာသည်အဘယ်မှာရှိတစ်ဦး randomized ထိန်းချုပ်ထားသောစမ်းသပ်မှုဖြစ်လိမ့်မည်။ သုတေသီများ, သို့သော်, မည်သည့်စစ်မှန်သောစီးပွားရေးလုပ်ငန်းမှာအလုပျသမားမြား၏အချိန်ဇယားကိုမထိန်းချုပ်ဘူး, ဒါကြောင့် Mas နှင့် Moretti တစ်စူပါမားကက်ထဲမှာရာအရပျလုယူသောသဘာဝစမ်းသပ်မှုအပေါ်အားကိုးခဲ့ရသည်။

ရုံ eq တူ။ 2.1, သူတို့ရဲ့လေ့လာမှုအပိုင်းနှစ်ပိုင်းရှိခဲ့ပါတယ်။ ပထမဦးဆုံးသူတို့ကုန်ထုတ်စွမ်းအားတစ်ခု, တိကျသောတစ်ဦးချင်းစီနှင့်အမြဲ-အပေါ်အတိုင်းအတာရှိသည်ဖို့စူပါမားကက်ကုန်ပစ္စည်း system ထဲကနေအရာ Logs များကိုအသုံးပြု: စက္ကန့်လျှင် scan ဖတ်ပစ္စည်းအရေအတွက်။ နှင့်အညီ, ဒုတိယကြောင့်အချိန်ဇယားဆွဲဒီစူပါမားကက်မှာပြုလေ၏သောလမ်း, သူတို့ကရွယ်တူ၏ကျပန်းဖွဲ့စည်းမှုအနီးတွင်ရှိသည်။ Cashier ၏အချိန်ဇယားဆွဲထီကဆုံးဖြတ်မထားဘူးသော်လည်းအခြားစကားကြောင့်မရှိမဖြစ်လိုအပ်တဲ့ကျပန်းခဲ့သည်။ လက်တွေ့တွင်, သဘာဝစမ်းသပ်ချက်ငါတို့သည်ယုံကြည်မှုကိုမကြာခဏဒီ "အဖြစ်-လျှင်" ကျပန်းပြောဆိုချက်ကို၏ယုတ္တိတန်သည်ဟုဆိုရမည်အပေါ်အရင်း။ ဒီကျပန်းမူကွဲ၏အားသာချက်ယူပြီး, Mas နှင့် Moretti ပိုမိုမြင့်မားကုန်ထုတ်စွမ်းအားရွယ်တူချင်းအတူလုပ်ကိုင်ကုန်ထုတ်စွမ်းအားတိုးပွါးကြောင်းတွေ့ရှိခဲ့ပါတယ်။ ဒီအကျိုးသက်ရောက်မှုများပင်သောင်းပြောင်းထွေလာရောနှော (အရာအဘို့အလုပျသမားမြား၏မြိုးမြိုးပိုကြီးအကျိုးသက်ရောက်မှုသည်) နှင့်ယန္တရား: ထို့ပြင် Mas နှင့် Moretti နှစ်ဦးထက်ပိုအရေးကြီးပြီးသိမ်မွေ့ကိစ္စရပ်များကိုလေ့လာစူးစမ်းဖို့အကြောင်းမရှိ-and effect ကို၏ခန့်မှန်းချက်ထက်ကျော်လွန်ရွှေ့ဖို့သူတို့ရဲ့ Datasets ၏အရွယ်အစားနှင့်ပေါများကြွယ်ဝအသုံးပြု အကျိုးသက်ရောက်မှုနောက်ကွယ်မှ (အဘယ်ကြောင့်မြင့်မားတဲ့ကုန်ထုတ်လုပ်မှုရွယ်တူရှိခြင်းပါဘူးပိုမိုမြင့်မားကုန်ထုတ်စွမ်းအားဖို့ဦးဆောင်လမ်းပြ) ။ ကျွန်တော်တို့ကိုပိုပြီးအသေးစိတ်အတွက်စမ်းသပ်ချက်ဆွေးနွေးရန်လာသောအခါကျွန်တော်တို့အခန်း 5 မှာယန္တရားများ-ကုသမှုအပေါ်သက်ရောက်မှုများနှင့်ဤနှစ်ဦးအရေးကြီးသောကိစ္စများ-သောင်းပြောင်းထွေလာရောနှောဖို့ပြန်လာကြလိမ့်မည်။

ဝင်ငွေရရှိမှုအပေါ်ဗီယက်နမ်မူကြမ်း၏အကျိုးသက်ရောက်မှုနှင့် productivity အပေါ်ရွယ်တူ၏အကျိုးသက်ရောက်မှု၏လေ့လာမှုအပေါ်လေ့လာမှုများမှ Generalizing, စားပွဲတင် 2.3 ဒီအတိအကျတူညီဖွဲ့စည်းတည်ဆောက်ပုံရှိသည်သောအခြားလေ့လာမှုများအကျဉ်း: အချို့သောဖြစ်ရပ်၏အကျိုးသက်ရောက်မှုကိုတိုင်းတာဖို့အမြဲ-အပေါ်ဒေတာအရင်းအမြစ်ကို အသုံးပြု. ။ စားပွဲတင် 2.3 ရှင်းရှင်းလင်းလင်းစေသည်အဖြစ်သင်ရုံသူတို့အဘို့အကြည့်ဖို့ဘယ်လိုသိလျှင်, သဘာဝစမ်းသပ်ချက်နေရာတိုင်းဖြစ်ကြသည်။

စားပွဲတင် 2.3: ကြီးမားတဲ့ data တွေကိုသတင်းရပ်ကွက်များ အသုံးပြု. သဘာဝကစမ်းသပ်ချက်၏ဥပမာများ။ ကျပန်း (သို့မဟုတ်ကျပန်းလျှင်ကဲ့သို့) အဖြစ်အပျက် + data ကို system ကိုအမြဲ-On: ဤသူအပေါင်းတို့သည်လေ့လာမှုများတူညီတဲ့အခြေခံအကျဆုံးစာရွက်လိုက်နာပါ။ ကြည့်ရှုပါ Dunning (2012) နောက်ထပ်ဥပမာသည်။
ထိရောက်သောအာရုံ သဘာဝကစမ်းသပ်မှု၏ရင်းမြစ် အမြဲတမ်း-အပေါ်ဒေတာအရင်းအမြစ် ဆင့်ခေါ်ချက်
productivity အပေါ်သက်ရောက်မှုများ Peer အချိန်ဇယားဆွဲခြင်းလုပ်ငန်းစဉ် ကုန်ပစ္စည်းဒေတာ Mas and Moretti (2009)
ချစ်ကြည်ရေးဖွဲ့စည်းရေး ဟာရီကိန်း Facebook က Phan and Airoldi (2015)
စိတ်ခံစားမှုများပြန့်နှံ့ မိုးရေ Facebook က Coviello et al. (2014)
စီးပွားရေးအရလွှဲပြောင်းစေ့စေ့ကြည့်ရှုရန် Peer ငလျင် မိုဘိုင်းပိုက်ဆံဒေတာ Blumenstock, Fafchamps, and Eagle (2011)
ပုဂ္ဂိုလ်ရေးစားသုံးမှုအမူအကျင့် 2013 ခုနှစ်အမေရိကန်အစိုးရက shutdown ချ ပုဂ္ဂိုလ်ရေးဘဏ္ဍာရေးဒေတာ Baker and Yannelis (2015)
အကြံပြုချက်များစနစ်များစီးပွားရေးထိခိုက်မှု အမျိုးမျိုးသော အမေဇုံမှာ browsing အတွက်ဒေတာ Sharma, Hofman, and Watts (2015)
မွေးသေးသောကလေးငယ်အပေါ်စိတ်ဖိစီးမှု၏အကျိုးသက်ရောက်မှု 2006 ဣသရေလအမျိုးကို-ဘိုလာစစ် မွေးဖွားခြင်းမှတ်တမ်းများ Torche and Shwed (2015)
ဝီကီ​​ပီးဒီးယားအပေါ် Reading အပြုအမူ စနိုးဒန်ဗျာဒိတ်တော်များ ဝီကီ​​ပီးဒီးယားသစ်လုံး Penney (2016)

လက်တွေ့တွင်သုတေသီများသည်အသီးအနှံများဖြစ်နိုင်ပါတယ်နှစ်ဦးစလုံး၏သဘာဝအစမ်းသပ်ချက်ရှာဖွေနှစ်ခုကိုမတူညီတဲ့မဟာဗျူဟာများ, ကိုအသုံးပြုပါ။ တချို့ကသုတေသီများအမြဲ-အပေါ်ဒေတာအရင်းအမြစ်နှင့်အတူစတင်နှင့်ကမ္ဘာအတွက်ကျပန်းဖြစ်ရပ်များကိုရှာ; အခြားသူများကိုကမ္ဘာ့အကျပန်းဖြစ်ရပ်များနှင့်အတူစတင်နှင့်၎င်းတို့၏သက်ရောက်မှုကိုဖမ်းယူတဲ့ data သတင်းရပ်ကွက်များကြည့်ရှုပါ။ နောက်ဆုံးအနေနဲ့, သဘာဝစမ်းသပ်ချက်၏အစွမ်းသတ္တိကိုမစာရင်းအင်းခွဲခြမ်းစိတ်ဖြာ၏ရှုပ်ထွေးမှုများမှ, ဒါပေမယ့်သမိုင်းတစ်ကံကောင်းမတော်တဆမှုအသုံးပြုနေသူများကဖန်တီးမျှတသောနှိုင်းယှဉ်ရှာဖွေတွေ့ရှိအတွက်စောင့်ရှောက်မှုကနေကြွလာသည်ဟုသတိပြုမိ။