2.4.3.2 ਮੇਲਣ

ਦੂਰ ਮਾਮਲੇ pruning ਕੇ ਨਿਰਪੱਖ ਤੁਲਨਾ ਬਣਾਉਣ ਮਿਲਦੇ.

ਫੇਅਰ ਤੁਲਨਾ ਕਿਸੇ ਬੇਤਰਤੀਬੀ ਕੰਟਰੋਲ ਪ੍ਰਯੋਗ ਜ ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਆ ਸਕਦਾ ਹੈ. ਪਰ, ਉੱਥੇ ਬਹੁਤ ਸਾਰੇ ਹਾਲਾਤ ਜਿੱਥੇ ਤੁਹਾਨੂੰ ਆਦਰਸ਼ ਤਜਰਬੇ ਨਾ ਚਲਾਉਣ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਕੁਦਰਤ ਦਾ ਇੱਕ ਕੁਦਰਤੀ ਤਜਰਬੇ ਮੁਹੱਈਆ ਨਾ ਕੀਤਾ ਹੈ ਹਨ. ਇਹ ਸੈਟਿੰਗ ਵਿੱਚ, ਵਧੀਆ ਤਰੀਕਾ ਇੱਕ ਨਿਰਪੱਖ ਤੁਲਨਾ ਮਿਲਦੇ ਹੈ ਨੂੰ ਬਣਾਉਣ ਲਈ. ਮੇਲ ਵਿਚ, ਖੋਜਕਾਰ, ਜੋ ਕਿ ਲੋਕ ਇਸੇ ਹਨ ਨੂੰ ਛੱਡ ਕੇ, ਜੋ ਕਿ ਇੱਕ ਇਲਾਜ ਪ੍ਰਾਪਤ ਕੀਤੀ ਗਈ ਹੈ ਦੇ ਜੋੜੇ ਨੂੰ ਬਣਾਉਣ ਲਈ ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਦੁਆਰਾ ਦਿਸਦਾ ਹੈ ਅਤੇ ਇੱਕ ਨਾ ਹੈ. ਮੇਲ ਦੀ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ, ਖੋਜਕਾਰ ਅਸਲ ਵਿੱਚ ਇਹ ਵੀ ਪਰਹੇਜ਼ ਕਰ ਰਹੇ ਹਨ; ਹੈ, ਜੋ ਕਿ ਕੇਸ ਹੈ, ਜਿੱਥੇ ਕੋਈ ਵੀ ਸਪੱਸ਼ਟ ਮੁਕਾਬਲੇ ਹਨ ਰੱਦ, ਹੈ. ਇਸ ਲਈ, ਇਸ ਢੰਗ ਨੂੰ ਹੋਰ ਸਹੀ ਮੇਲ-ਅਤੇ-ਛੰਗਾਈ ਕਹਿੰਦੇ ਕੀਤਾ ਜਾਵੇਗਾ, ਪਰ ਮੈਨੂੰ ਰਵਾਇਤੀ ਮਿਆਦ ਦੇ ਨਾਲ ਰਹਿਣ ਹੋਵੋਗੇ: ਮੇਲ.

ਵੱਡੇ ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਸਰੋਤ ਦੇ ਨਾਲ ਰਣਨੀਤੀ ਮਿਲਦੇ ਦੀ ਸ਼ਕਤੀ ਦੀ ਇੱਕ ਸੁੰਦਰ ਉਦਾਹਰਨ Liran Einav ਅਤੇ ਸਾਥੀ ਕੇ ਖਪਤਕਾਰ ਵਿਵਹਾਰ ਨੂੰ 'ਤੇ ਖੋਜ ਤੱਕ ਆ (2015) . Einav ਅਤੇ ਸਾਥੀ ਈਬੇ 'ਤੇ ਜਗ੍ਹਾ ਨੂੰ ਲੈ ਕੇ ਨੀਲਾਮੀ ਵਿਚ ਦਿਲਚਸਪੀ ਸਨ, ਅਤੇ ਆਪਣੇ ਕੰਮ ਦੀ ਜਾਣਕਾਰੀ ਲਈ, ਮੈਨੂੰ ਇੱਕ ਖਾਸ ਪਹਿਲੂ' ਤੇ ਧਿਆਨ ਲੱਗੇਗਾ: ਅਜਿਹੇ ਵਿਕਰੀ ਕੀਮਤ ਜ ਇੱਕ ਵਿਕਰੀ ਦੀ ਸੰਭਾਵਨਾ ਦੇ ਤੌਰ ਤੇ ਨਿਲਾਮੀ ਨਤੀਜੇ, 'ਤੇ ਨਿਲਾਮੀ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਕੀਮਤ ਦੇ ਪ੍ਰਭਾਵ.

ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ 'ਤੇ ਸ਼ੁਰੂ ਮਤ ਦੇ ਪ੍ਰਭਾਵ ਦੇ ਬਾਰੇ ਸਵਾਲ ਦਾ ਜਵਾਬ ਦੇਣ ਲਈ ਸਭ ਸੱਤਰਾ ਤਰੀਕਾ ਹੈ, ਬਸ ਵੱਖ ਸ਼ੁਰੂਆਤੀ ਭਾਅ ਨਾਲ ਨੀਲਾਮੀ ਲਈ ਫਾਈਨਲ ਕੀਮਤ ਦਾ ਹਿਸਾਬ ਕਰਨ ਦੀ ਹੋਵੇਗੀ. ਇਹ ਪਹੁੰਚ ਜੁਰਮਾਨਾ ਹੋ, ਜੇ ਤੁਹਾਨੂੰ ਸਿਰਫ਼ ਇੱਕ ਦਿੱਤੇ ਇਕਾਈ ਨੂੰ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਦਿੱਤੇ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਦੇ ਨਾਲ ਈਬੇ 'ਤੇ ਪਾ ਦਿੱਤਾ ਗਿਆ ਸੀ, ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ ਦਾ ਅਨੁਮਾਨ ਕਰਨ ਲਈ ਚਾਹੁੰਦੇ ਹੋ ਜਾਵੇਗਾ. ਪਰ, ਜੇ ਤੁਹਾਡੇ ਸਵਾਲ ਦਾ ਹੈ, ਕਿਉਕਿ ਇਸ ਨੂੰ ਨਿਰਪੱਖ ਤੁਲਨਾ 'ਤੇ ਆਧਾਰਿਤ ਹੈ, ਨਾ ਹੈ ਕੰਮ ਨਹੀ ਕਰੇਗਾ ਇਸ ਪਹੁੰਚ ਦੀ ਮਾਰਕੀਟ ਨਤੀਜੇ' ਤੇ ਕੀਮਤ ਸ਼ੁਰੂ ਕਰਨ ਦਾ ਪ੍ਰਭਾਵ ਹੈ, ਕੀ ਹੈ; ਘੱਟ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਦੇ ਨਾਲ ਨੀਲਾਮੀ ਵੱਧ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ (ਉਦਾਹਰਨ ਲਈ, ਉਹ ਮਾਲ ਦੇ ਵੱਖ ਵੱਖ ਕਿਸਮ ਦੇ ਲਈ ਹੋ ਜ ਵੇਚਣ ਦੇ ਵੱਖ ਵੱਖ ਕਿਸਮ ਦੇ ਸ਼ਾਮਲ ਹੋ ਸਕਦਾ ਹੈ) ਦੇ ਨਾਲ ਨੀਲਾਮੀ ਤੱਕ ਕਾਫ਼ੀ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦਾ ਹੈ.

-ਦਾ ਕਹਿਣਾ ਹੈ ਪੈਰਾਮੀਟਰ ਤੁਹਾਨੂੰ ਹੀ ਨਿਰਪੱਖ ਤੁਲਨਾ ਕਰਨ ਬਾਰੇ ਚਿੰਤਤ ਹਨ, ਜੇ, ਤੁਹਾਨੂੰ ਸੱਤਰਾ ਪਹੁੰਚ ਨੂੰ ਛੱਡ ਅਤੇ ਇੱਕ ਖੇਤਰ ਤਜਰਬੇ ਤੁਹਾਨੂੰ, ਜਿੱਥੇ ਇੱਕ ਖਾਸ ਇਕਾਈ ਨੂੰ-ਕਹਿਣਾ ਵੇਚਣ ਜਾਵੇਗਾ, ਇੱਕ ਗੋਲਫ ਕਲੱਬ-ਨਾਲ ਨਿਲਾਮੀ ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਸੈੱਟ ਚੱਲ ਤੇ ਵਿਚਾਰ ਹੋ ਸਕਦਾ ਹੈ, ਮੁਫ਼ਤ ਸ਼ਿਪਿੰਗ, ਨਿਲਾਮੀ ਦੋ ਹਫ਼ਤੇ, ਲਈ ਖੁੱਲ੍ਹਾ ਆਦਿ-ਪਰ ਨਾਲ ਲਗਾਤਾਰ ਸ਼ੁਰੂ ਹੋ ਭਾਅ ਨਿਰਧਾਰਿਤ ਕਰੋ. ਨਤੀਜੇ ਦੀ ਮਾਰਕੀਟ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਕਰਨ ਨਾਲ, ਇਸ ਖੇਤਰ ਨੂੰ ਤਜਰਬੇ ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ 'ਤੇ, ਮਤ ਸ਼ੁਰੂ ਕਰਨ ਦੇ ਪ੍ਰਭਾਵ ਦੀ ਇੱਕ ਬਹੁਤ ਹੀ ਸਾਫ ਮਾਪ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਨਗੇ. ਪਰ, ਇਸ ਨੂੰ ਮਾਪ ਸਿਰਫ਼ ਇੱਕ ਹੀ ਖਾਸ ਉਤਪਾਦ ਲਈ ਲਾਗੂ ਹੈ ਅਤੇ ਨਿਲਾਮੀ ਪੈਰਾਮੀਟਰ ਦੀ ਕੀਤੀ ਜਾਵੇਗੀ. ਨਤੀਜੇ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦਾ ਹੈ, ਉਦਾਹਰਨ ਲਈ, ਉਤਪਾਦ ਦੇ ਵੱਖ ਵੱਖ ਕਿਸਮ ਦੇ ਲਈ. ਮਜ਼ਬੂਤ ​​ਥਿਊਰੀ ਦੇ ਬਗੈਰ, ਇਸ ਨੂੰ ਇਸ ਸਿੰਗਲ ਤਜਰਬੇ ਸੰਭਵ ਪ੍ਰਯੋਗ ਦੀ ਪੂਰੀ ਸੀਮਾ ਹੈ, ਜੋ ਕਿ ਹੋ ਸਕਦਾ ਹੈ ਨੂੰ ਚਲਾਉਣ ਕੀਤਾ ਗਿਆ ਹੈ ਤੱਕ ਰਝਾਨ ਲਈ ਮੁਸ਼ਕਲ ਹੁੰਦਾ ਹੈ. ਅੱਗੇ, ਖੇਤ ਪ੍ਰਯੋਗ ਕਾਫੀ ਮਹਿੰਗਾ ਹੈ, ਜੋ ਕਿ ਇਸ ਨੂੰ ਉਤਪਾਦ ਅਤੇ ਨਿਲਾਮੀ ਕਿਸਮ ਦੀ ਸਾਰੀ ਪੈਰਾਮੀਟਰ ਸਪੇਸ ਨੂੰ ਕਵਰ ਕਰਨ ਲਈ ਦੇ ਲਈ ਕਾਫ਼ੀ ਅੱਪ ਨੂੰ ਚਲਾਉਣ ਲਈ infeasible ਹੋਵੇਗਾ ਹਨ.

ਸੱਤਰਾ ਪਹੁੰਚ ਅਤੇ ਤਜਰਬੇ ਪਹੁੰਚ ਨੂੰ ਇਸ ਦੇ ਉਲਟ ਵਿੱਚ, Einav ਅਤੇ ਸਾਥੀ ਨੂੰ ਇੱਕ ਤੀਜੇ ਪਹੁੰਚ ਨੂੰ ਲੈ: ਮੇਲ. ਆਪਣੇ ਰਣਨੀਤੀ ਦਾ ਮੁੱਖ ਹੈਟ੍ਰਿਕ ਖੇਤਰ ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ ਹੀ ਈਬੇ ਤੇ ਕੀ ਹੋਇਆ ਹੈ, ਨੂੰ ਵੀ ਇਸੇ ਕੁਝ ਖੋਜਣ ਲਈ ਹੈ. ਉਦਾਹਰਨ ਲਈ, ਚਿੱਤਰ 2.6 ਬਿਲਕੁਲ ਉਸੇ ਹੀ ਗੋਲਫ ਕਲੱਬ-ਇੱਕ Taylormade ਲਿਖਣ 09 ਡਰਾਈਵਰ-ਜਾ ਰਿਹਾ ਬਿਲਕੁਲ ਉਸੇ seller- "budgetgolfer" ਕੇ ਵੇਚ 31 ਸੂਚੀ ਦੇ ਕੁਝ ਪਤਾ ਲੱਗਦਾ ਹੈ. ਪਰ, ਇਹ ਸੂਚੀ ਥੋੜ੍ਹਾ ਵੱਖ ਵੱਖ ਗੁਣ ਹਨ. ਨੂੰ ਦੇ Eleven $ 124,99 ਦੀ ਇੱਕ ਨਿਸ਼ਚਿਤ ਕੀਮਤ ਦੇ ਲਈ ਡਰਾਈਵਰ ਦੀ ਪੇਸ਼ਕਸ਼, ਜਦਕਿ ਹੋਰ 20 ਵੱਖ-ਵੱਖ ਅੰਤ ਦਰਜ ਦੇ ਨਾਲ ਨੀਲਾਮੀ ਹਨ. ਇਸ ਦੇ ਨਾਲ, ਸੂਚੀ, ਵੱਖ ਵੱਖ ਸ਼ਿਪਿੰਗ ਫੀਸ ਹੈ ਕਿਸੇ $ 7.99 ਜ $ 9.99. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਇਸ ਨੂੰ ਹੈ, ਜੇ ਦੇ ਤੌਰ 'budgetgolfer "ਖੋਜਕਾਰ ਲਈ ਪ੍ਰਯੋਗ ਚੱਲ ਰਿਹਾ ਹੈ.

Taylormade ਲਿਖਣ 09 ਡਰਾਈਵਰ ਦੀ ਸੂਚੀ 'budgetgolfer "ਦੁਆਰਾ ਵੇਚੀ ਜਾ ਰਹੀ ਸੂਚੀ ਹੈ, ਜਿੱਥੇ ਸਹੀ ਉਸੇ ਹੀ ਇਕਾਈ ਨੂੰ ਸਹੀ ਉਸੇ ਹੀ ਵੇਚਣ' ਤੇ ਬੁੱਕ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਦੀ ਇੱਕ ਮੇਲ ਸੈੱਟ ਪਰ ਥੋੜ੍ਹਾ ਵੱਖ ਵੱਖ ਗੁਣ ਦੇ ਨਾਲ, ਹਰ ਵਾਰ ਦੀ ਇਕ ਮਿਸਾਲ ਹਨ. ਈਬੇ ਦੇ ਵੱਡੇ ਚਿੱਠੇ ਵਿਖੇ ਉੱਥੇ ਸ਼ਾਬਦਿਕ ਸੂਚੀ ਦੇ ਦਹਿ ਸ਼ਾਮਲ ਮੇਲ ਸੈੱਟ ਦੇ ਹਜ਼ਾਰ ਦੇ ਅਣਗਿਣਤ ਹਨ. ਇਸ ਲਈ, ਨਾ ਕਿ ਇੱਕ ਦਿੱਤੇ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਦੇ ਅੰਦਰ ਸਾਰੇ ਨੀਲਾਮੀ ਲਈ ਫਾਈਨਲ ਦੀ ਕੀਮਤ ਦੀ ਤੁਲਨਾ ਵੱਧ, Einav ਅਤੇ ਸਾਥੀ ਮੇਲ ਸੈੱਟ ਦੇ ਅੰਦਰ ਤੁਲਨਾ ਕਰਨ. ਕ੍ਰਮ ਮੇਲ ਸੈੱਟ ਦੇ ਹਜ਼ਾਰ ਦੇ ਇਹ ਸੌ ਦੇ ਅੰਦਰ ਤੁਲਨਾ ਤੱਕ ਨਤੀਜੇ ਜੋੜ ਲਈ, Einav ਅਤੇ ਸਾਥੀ ਸ਼ੁਰੂ ਕੀਮਤ ਅਤੇ ਹਰ ਇਕਾਈ ਨੂੰ (ਉਦਾਹਰਨ ਲਈ, ਇਸ ਦੇ ਔਸਤ ਵਿਕਰੀ ਕੀਮਤ) ਦੇ ਸੰਦਰਭ ਮੁੱਲ ਦੇ ਰੂਪ ਵਿੱਚ ਫਾਈਨਲ ਦੀ ਕੀਮਤ ਮੁੜ-ਜ਼ਾਹਰ. ਉਦਾਹਰਨ ਲਈ, ਜੇ Taylormade ਲਿਖਣ 09 ਡਰਾਈਵਰ $ 100 ਦੀ ਇੱਕ ਹਵਾਲਾ ਮੁੱਲ ਹੈ (ਇਸ ਦੇ ਦੀ ਵਿਕਰੀ 'ਤੇ ਆਧਾਰਿਤ), ਫਿਰ $ 10 ਦੇ ਇੱਕ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ 0.1 ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਗਟ ਕੀਤਾ ਜਾਵੇਗਾ ਅਤੇ $ 120 ਦੇ ਫਾਈਨਲ ਕੀਮਤ 1.2 ਦੇ ਤੌਰ ਤੇ ਪ੍ਰਗਟ ਕੀਤਾ ਜਾਵੇਗਾ.

ਚਿੱਤਰ 2.6: ਇੱਕ ਮੇਲ ਸੈੱਟ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ. ਇਹ ਸਹੀ ਉਸੇ ਹੀ ਗੋਲਫ ਕਲੱਬ (ਇੱਕ Taylormade ਲਿਖਣ 09 ਡਰਾਈਵਰ) ਸਹੀ ਉਸੇ ਹੀ ਵਿਅਕਤੀ (budgetgolfer) ਦੁਆਰਾ ਵੇਚੀ ਜਾ ਰਹੀ ਹੈ, ਪਰ ਇਹ ਵਿਕਰੀ ਦੇ ਕੁਝ ਵੱਖ-ਵੱਖ ਹਾਲਾਤ (ਉਦਾਹਰਨ ਲਈ, ਵੱਖ ਵੱਖ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ) ਕੀਤੇ ਗਏ. Einav et al ਤੱਕ ਲਿਆ ਚਿੱਤਰ. (2015).

ਚਿੱਤਰ 2.6: ਇੱਕ ਮੇਲ ਸੈੱਟ ਦੀ ਇੱਕ ਉਦਾਹਰਨ ਹੈ. ਇਹ ਸਹੀ ਉਸੇ ਹੀ ਗੋਲਫ ਕਲੱਬ (ਇੱਕ Taylormade ਲਿਖਣ 09 ਡਰਾਈਵਰ) ਸਹੀ ਉਸੇ ਹੀ ਵਿਅਕਤੀ ( "budgetgolfer") ਦੁਆਰਾ ਵੇਚੀ ਜਾ ਰਹੀ ਹੈ, ਪਰ ਇਹ ਵਿਕਰੀ ਦੇ ਕੁਝ ਵੱਖ-ਵੱਖ ਹਾਲਾਤ (ਉਦਾਹਰਨ ਲਈ, ਵੱਖ ਵੱਖ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ) ਕੀਤੇ ਗਏ. ਤੱਕ ਲਿਆ ਚਿੱਤਰ Einav et al. (2015) .

ਯਾਦ ਕਰੋ ਕਿ Einav ਅਤੇ ਸਾਥੀ ਨਿਲਾਮੀ ਨਤੀਜੇ 'ਤੇ ਸ਼ੁਰੂ ਕੀਮਤ ਦੇ ਪ੍ਰਭਾਵ ਵਿਚ ਦਿਲਚਸਪੀ ਸੀ. ਪਹਿਲੀ, ਲੀਨੀਅਰ ਰੈਗਰੈਸ਼ਨ ਵਰਤ ਉਹ ਅੰਦਾਜ਼ਾ ਹੈ, ਜੋ ਕਿ ਉੱਚ ਸ਼ੁਰੂਆਤੀ ਭਾਅ ਨੂੰ ਇੱਕ ਦੀ ਵਿਕਰੀ ਦੀ ਸੰਭਾਵਨਾ ਘੱਟ ਹੈ, ਅਤੇ ਉੱਚ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਫਾਈਨਲ ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ ਹੈ, ਇੱਕ ਦੀ ਵਿਕਰੀ ਵਾਪਰਨ 'ਤੇ ਸ਼ਰਤ ਵਧਾਉਣ, ਜੋ ਕਿ. ਆਪਣੇ ਆਪ ਨੂੰ ਕਰ ਕੇ, ਇਹ ਅਨੁਮਾਨ-, ਜੋ ਕਿ ਸਾਰੇ ਉਤਪਾਦ 'ਤੇ ਔਸਤ ਹੈ ਅਤੇ ਕਰ ਰਹੇ ਹਨ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਅਤੇ ਫਾਈਨਲ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਲੀਨੀਅਰ ਰਿਸ਼ਤਾ ਮੰਨ, ਜੋ ਕਿ ਸਭ ਦਿਲਚਸਪ ਹੈ, ਨਾ ਨਤੀਜੇ ਹਨ. ਪਰ, Einav ਅਤੇ ਸਾਥੀ ਵੀ ਆਪਣੇ ਡਾਟਾ ਦੇ ਵੱਡੇ ਆਕਾਰ ਨੂੰ ਵਰਤਣ ਦੀ ਹੋਰ ਸੂਖਮ ਰਿਪੋਰਟ ਦੀ ਇੱਕ ਕਿਸਮ ਦੇ ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ. ਪਹਿਲੀ, Einav ਅਤੇ ਸਾਥੀ ਨੂੰ ਵੱਖਰੇ-ਵੱਖਰੇ ਭਾਅ ਦੀ ਇਕਾਈ ਲਈ ਅਤੇ ਲੀਨੀਅਰ ਰੈਗਰੈਸ਼ਨ ਵਰਤ ਬਿਨਾ ਇਹ ਅਨੁਮਾਨ ਦਿੱਤਾ ਹੈ. ਉਹ ਇਹ ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਸ਼ੁਰੂ ਕੀਮਤ ਹੈ ਅਤੇ ਇੱਕ ਦੀ ਵਿਕਰੀ ਦੀ ਸੰਭਾਵਨਾ ਦੇ ਵਿਚਕਾਰ ਰਿਸ਼ਤੇ ਨੂੰ ਲੀਨੀਅਰ ਹੈ, ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਅਤੇ ਵਿਕਰੀ ਦੀ ਕੀਮਤ ਦੇ ਰਿਸ਼ਤੇ ਨੂੰ ਸਪਸ਼ਟ ਗੈਰ-ਲੀਨੀਅਰ (ਚਿੱਤਰ 2.7) ਹੈ. ਖਾਸ ਕਰਕੇ, 0.05 ਅਤੇ 0.85 ਦੇ ਵਿਚਕਾਰ ਭਾਅ ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ ਹੈ, ਇੱਕ ਖੋਜ ਹੈ, ਜੋ ਕਿ ਵਿਸ਼ਲੇਸ਼ਣ, ਜੋ ਕਿ ਇੱਕ ਲੀਨੀਅਰ ਰਿਸ਼ਤਾ ਮੰਨਿਆ ਸੀ ਖੁੰਝ ਗਿਆ ਸੀ ਤੇ ਬਹੁਤ ਘੱਟ ਅਸਰ ਹੋਇਆ ਹੈ.

ਨਿਲਾਮੀ ਸ਼ੁਰੂ ਕੀਮਤ ਹੈ ਅਤੇ ਇੱਕ ਦੀ ਵਿਕਰੀ (ਖੱਬੇ ਪੈਨਲ ਵਿੱਚ) ਅਤੇ ਵਿਕਰੀ ਕੀਮਤ (ਸੱਜੇ ਪੈਨਲ) ਦੇ ਸੰਭਾਵਨਾ ਦੇ ਵਿਚਕਾਰ ਰਿਸ਼ਤਾ: ਚਿੱਤਰ 2.7. ਉੱਥੇ ਆਮ ਸ਼ੁਰੂਆਤ ਕੀਮਤ ਅਤੇ ਵਿਕਰੀ ਦੀ ਸੰਭਾਵਨਾ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਲੀਨੀਅਰ ਰਿਸ਼ਤਾ ਹੈ, ਪਰ ਸ਼ੁਰੂ ਕੀਮਤ ਅਤੇ ਵਿਕਰੀ ਦੀ ਕੀਮਤ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਗੈਰ-ਲੀਨੀਅਰ ਰਿਸ਼ਤਾ ਹੈ; 0.05 ਅਤੇ 0.85 ਦੇ ਵਿਚਕਾਰ ਭਾਅ ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ 'ਤੇ ਬਹੁਤ ਘੱਟ ਅਸਰ ਹੋਇਆ ਹੈ. ਦੋਨੋ ਕੇਸ ਵਿੱਚ, ਰਿਸ਼ਤੇ ਆਈਟਮ ਮੁੱਲ ਦੇ ਅਸਲ ਸੁਤੰਤਰ ਹਨ. ਇਹ ਗਰਾਫ਼ ਅੰਜੀਰ 4a ਅਤੇ 4 ਅ Einav et al ਪੈਦਾ ਹੈ. (2015).

ਨਿਲਾਮੀ ਸ਼ੁਰੂ ਕੀਮਤ ਹੈ ਅਤੇ ਇੱਕ ਦੀ ਵਿਕਰੀ (ਖੱਬੇ ਪੈਨਲ ਵਿੱਚ) ਅਤੇ ਵਿਕਰੀ ਕੀਮਤ (ਸੱਜੇ ਪੈਨਲ) ਦੇ ਸੰਭਾਵਨਾ ਦੇ ਵਿਚਕਾਰ ਰਿਸ਼ਤਾ: ਚਿੱਤਰ 2.7. ਉੱਥੇ ਆਮ ਸ਼ੁਰੂਆਤ ਕੀਮਤ ਅਤੇ ਵਿਕਰੀ ਦੀ ਸੰਭਾਵਨਾ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਲੀਨੀਅਰ ਰਿਸ਼ਤਾ ਹੈ, ਪਰ ਸ਼ੁਰੂ ਕੀਮਤ ਅਤੇ ਵਿਕਰੀ ਦੀ ਕੀਮਤ ਦੇ ਵਿਚਕਾਰ ਇੱਕ ਗੈਰ-ਲੀਨੀਅਰ ਰਿਸ਼ਤਾ ਹੈ; 0.05 ਅਤੇ 0.85 ਦੇ ਵਿਚਕਾਰ ਭਾਅ ਸ਼ੁਰੂ ਕਰਨ ਲਈ, ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ 'ਤੇ ਬਹੁਤ ਘੱਟ ਅਸਰ ਹੋਇਆ ਹੈ. ਦੋਨੋ ਕੇਸ ਵਿੱਚ, ਰਿਸ਼ਤੇ ਆਈਟਮ ਮੁੱਲ ਦੇ ਅਸਲ ਸੁਤੰਤਰ ਹਨ. ਇਹ ਗਰਾਫ਼ ਅੰਜੀਰ 4a ਅਤੇ 4 ਅ ਪੈਦਾ Einav et al. (2015) .

ਦੂਜਾ, ਨਾ ਕਿ ਸਭ ਨੂੰ ਇਕਾਈ ਉੱਤੇ ਔਸਤ ਵੱਧ, Einav ਅਤੇ ਸਾਥੀ ਵੀ ਆਪਣੇ ਡਾਟਾ ਦੇ ਵੱਡੇ ਪੈਮਾਨੇ ਇਕਾਈ (ਉਦਾਹਰਨ ਲਈ, ਪਾਲਤੂ ਸਪਲਾਈ, ਇਲੈਕਟ੍ਰੋਨਿਕਸ, ਅਤੇ ਖੇਡ ਯਾਦਗਾਰ) (ਚਿੱਤਰ 2.8) ਦੇ 23 ਵੱਖ-ਵੱਖ ਵਰਗ ਦੇ ਲਈ ਸ਼ੁਰੂ ਕਰਨ ਦੀ ਕੀਮਤ ਦੇ ਅਸਰ ਦਾ ਅੰਦਾਜ਼ਾ ਕਰਨ ਲਈ ਵਰਤਦੇ ਹਨ. ਇਹ ਅਨੁਮਾਨ ਹੋਰ ਵਿਲੱਖਣ ਲਈ ਇਕਾਈ ਅਜਿਹੇ-ਦੇ ਤੌਰ ਤੇ ਯਾਦਗਾਰ-ਸ਼ੁਰੂ ਕੀਮਤ ਇੱਕ ਦੀ ਵਿਕਰੀ ਦੀ ਸੰਭਾਵਨਾ ਹੈ ਅਤੇ ਫਾਈਨਲ ਦੀ ਵਿਕਰੀ ਦੀ ਕੀਮਤ 'ਤੇ ਇੱਕ ਵੱਡੇ ਪ੍ਰਭਾਵ' ਤੇ ਇੱਕ ਛੋਟਾ ਪ੍ਰਭਾਵ ਹੈ, ਜੋ ਕਿ ਲੱਗਦਾ ਹੈ. ਅੱਗੇ, ਲਈ ਹੋਰ commodified ਇਕਾਈ-ਅਜਿਹੇ DVD ਅਤੇ ਵੀਡੀਓ-ਸ਼ੁਰੂ ਕੀਮਤ ਦੇ ਤੌਰ ਤੇ ਫਾਈਨਲ ਕੀਮਤ 'ਤੇ ਲਗਭਗ ਕੋਈ ਅਸਰ ਹੈ. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਔਸਤ ਹੈ, ਜੋ ਕਿ ਇਕਾਈ ਦੀ 23 ਵੱਖ-ਵੱਖ ਵਰਗ ਤੱਕ ਦੇ ਨਤੀਜੇ ਕਰਦਾ ਹੈ ਇਹ ਇਕਾਈ ਵਿੱਚ ਅੰਤਰ ਦੇ ਬਾਰੇ ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਓਹਲੇ.

ਚਿੱਤਰ 2.8: ਨਤੀਜੇ ਨੂੰ ਵੱਖਰੇ ਹਰ ਵਰਗ ਤੱਕ ਅਨੁਮਾਨ ਦਿਖਾਇਆ; ਸਾਰੇ ਵਰਗ ਲਈ ਅੰਦਾਜ਼ਾ ਵਿਚ ਠੋਸ ਬਿੰਦੂ ਇਕੱਠੇ ਤਰਕੀਬਨ, ਟੇਬਲ 11 (Einav et al. 2015, ਟੇਬਲ 11). ਇਹ ਅਨੁਮਾਨ ਹੋਰ ਵਿਲੱਖਣ ਲਈ ਇਕਾਈ ਅਜਿਹੇ-ਦੇ ਤੌਰ ਤੇ ਯਾਦਗਾਰ-ਸ਼ੁਰੂ ਕੀਮਤ ਇੱਕ ਵਿਕਰੀ (X ਧੁਰਾ) ਅਤੇ ਫਾਈਨਲ ਦੀ ਵਿਕਰੀ ਕੀਮਤ (y-axis) 'ਤੇ ਇੱਕ ਵੱਡੇ ਪ੍ਰਭਾਵ ਦੀ ਸੰਭਾਵਨਾ' ਤੇ ਇੱਕ ਛੋਟਾ ਪ੍ਰਭਾਵ ਹੈ, ਜੋ ਕਿ ਲੱਗਦਾ ਹੈ.

ਚਿੱਤਰ 2.8: ਨਤੀਜੇ ਨੂੰ ਵੱਖਰੇ ਹਰ ਵਰਗ ਤੱਕ ਅਨੁਮਾਨ ਦਿਖਾਇਆ; ਇਕੱਠੇ ਤਰਕੀਬਨ ਸਾਰੇ ਵਰਗ ਲਈ ਅੰਦਾਜ਼ਾ ਵਿਚ ਠੋਸ ਬਿੰਦੂ (Einav et al. 2015, Table 11) . ਇਹ ਅਨੁਮਾਨ ਹੋਰ ਵਿਲੱਖਣ ਲਈ ਇਕਾਈ ਅਜਿਹੇ-ਦੇ ਤੌਰ ਤੇ ਯਾਦਗਾਰ-ਸ਼ੁਰੂ ਕੀਮਤ ਇੱਕ ਵਿਕਰੀ (X ਧੁਰਾ) ਅਤੇ ਫਾਈਨਲ ਦੀ ਵਿਕਰੀ ਕੀਮਤ (y-axis) 'ਤੇ ਇੱਕ ਵੱਡੇ ਪ੍ਰਭਾਵ ਦੀ ਸੰਭਾਵਨਾ' ਤੇ ਇੱਕ ਛੋਟਾ ਪ੍ਰਭਾਵ ਹੈ, ਜੋ ਕਿ ਲੱਗਦਾ ਹੈ.

ਵੀ, ਜੇ ਤੁਹਾਨੂੰ ਖਾਸ ਤੌਰ 'ਤੇ ਈਬੇ ਉੱਤੇ ਨੀਲਾਮੀ ਵਿੱਚ ਦਿਲਚਸਪੀ ਨਹੀ ਹਨ, ਤੁਹਾਨੂੰ ਰਾਹ ਹੈ, ਜੋ ਕਿ 2.7 ਚਿੱਤਰ ਅਤੇ 2.8 ਦੀ ਪੇਸ਼ਕਸ਼ ਨੂੰ ਸਧਾਰਨ ਲੀਨੀਅਰ ਰੈਗਰੈਸ਼ਨ ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ ਕਿ ਲੀਨੀਅਰ ਰਿਸ਼ਤੇ ਮੰਨ ਅਤੇ ਇਕਾਈ ਦੇ ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਵਰਗ ਨੂੰ ਜੋੜਦੀ ਵੱਧ ਈਬੇ ਦੇ ਇੱਕ ਅਮੀਰ ਸਮਝ ਚਿੱਤਰ ਦੀ ਸਿਫਤ ਕਰਨ ਦੀ ਹੈ. ਇਹ ਹੋਰ ਸੂਖਮ ਅਨੁਮਾਨ ਵੱਡੇ ਡਾਟਾ ਵਿਚ ਮਿਲਦੇ ਦੀ ਸ਼ਕਤੀ ਮਿਸਾਲ; ਇਹ ਅਨੁਮਾਨ ਖੇਤਰ ਪ੍ਰਯੋਗ ਦੀ ਇੱਕ ਬਹੁਤ ਵੱਡੀ ਗਿਣਤੀ ਹੈ, ਜਿਸ ਨੂੰ prohibitively ਮਹਿੰਗਾ ਹੋ ਗਿਆ ਹੈ ਸੀ, ਬਿਨਾ ਅਸੰਭਵ ਹੋ ਗਿਆ ਹੈ ਸੀ.

ਬੇਸ਼ੱਕ, ਸਾਨੂੰ ਸਾਨੂੰ ਇੱਕ ਮੁਕਾਬਲੇ ਤਜਰਬੇ ਦੇ ਨਤੀਜੇ ਵਿੱਚ ਚਾਹੁੰਦਾ ਵੱਧ ਕਿਸੇ ਖਾਸ ਮੇਲ ਅਧਿਐਨ ਦੇ ਨਤੀਜੇ ਵਿੱਚ ਘੱਟ ਭਰੋਸਾ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ. ਜਦ ਕੋਈ ਵੀ ਮੇਲ ਅਧਿਐਨ ਦੇ ਨਤੀਜੇ ਦਾ ਜਾਇਜ਼ਾ, ਉੱਥੇ ਦੋ ਮਹੱਤਵਪੂਰਨ ਸਰੋਕਾਰ ਹਨ. ਪਹਿਲਾ, ਸਾਨੂੰ ਯਾਦ ਕਰਨ ਲਈ ਹੈ, ਜੋ ਕਿ ਸਾਨੂੰ ਸਿਰਫ ਕੁਝ ਹੈ, ਜੋ ਕਿ ਮੇਲ ਲਈ ਵਰਤਿਆ ਗਿਆ ਸੀ ਤੇ ਮੇਲਾ ਤੁਲਨਾ ਯਕੀਨੀ ਕਰ ਸਕਦੇ ਹਨ. ਵੇਚਣ ID ਨੰਬਰ, ਆਈਟਮ ਸ਼੍ਰੇਣੀ, ਆਈਟਮ ਦਾ ਸਿਰਲੇਖ ਹੈ, ਅਤੇ ਟਾਇਟਲ: ਆਪਣੇ ਮੁੱਖ ਨਤੀਜੇ ਵਿੱਚ, Einav ਅਤੇ ਸਾਥੀ ਸਹੀ ਚਾਰ ਗੁਣਾ ਤੇ ਮਿਲਦੇ ਸੀ. ਜੇ ਇਕਾਈ ਤਰੀਕੇ, ਜੋ ਕਿ ਮੇਲ ਲਈ ਨਾ ਵਰਤਿਆ ਗਿਆ ਸੀ, ਜੋ ਕਿ ਇੱਕ ਗਲਤ ਮੁਕਾਬਲੇ ਬਣਾ ਸਕਦਾ ਹੈ ਵਿੱਚ ਵੱਖ-ਵੱਖ ਸਨ. ਉਦਾਹਰਨ ਲਈ, ਜੇ "budgetgolfer" Taylormade ਲਿਖਣ 09 ਡਰਾਈਵਰ ਲਈ ਭਾਅ ਸਰਦੀ ਵਿੱਚ ਘੱਟ (ਜਦ ਗੋਲਫ ਕਲੱਬ ਘੱਟ ਪ੍ਰਸਿੱਧ ਹਨ), ਫਿਰ ਇਸ ਨੂੰ, ਵਿਖਾਈ ਦੇ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਘੱਟ ਸ਼ੁਰੂਆਤੀ ਕੀਮਤ ਫਾਈਨਲ ਭਾਅ ਘੱਟ ਕਰਨ ਦੀ ਅਗਵਾਈ, ਜਦ ਕਿ ਅਸਲ ਵਿੱਚ ਇਸ ਮੌਸਮੀ ਦਾ ਇੱਕ ਲੱਭਤ ਹੋ ਜਾਵੇਗਾ ਦੀ ਮੰਗ 'ਚ ਪਰਿਵਰਤਨ. ਆਮ ਤੌਰ ਤੇ, ਇਸ ਸਮੱਸਿਆ ਤੱਕ ਬੇਹਤਰੀਨ ਪਹੁੰਚ ਮੇਲ ਦੇ ਬਹੁਤ ਸਾਰੇ ਵੱਖ-ਵੱਖ ਕਿਸਮ ਦੇ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਕੀਤਾ ਜਾ ਲੱਗਦਾ ਹੈ. ਮਿਸਾਲ ਲਈ, Einav ਅਤੇ ਸਾਥੀ ਨੂੰ ਆਪਣੇ ਵਿਸ਼ਲੇਸ਼ਣ, ਜਿੱਥੇ ਮੇਲ ਸੈੱਟ ਇਕ ਸਾਲ ਦੇ ਅੰਦਰ-ਅੰਦਰ ਵਿਕਰੀ 'ਤੇ ਇਕਾਈ, ਇਕ ਮਹੀਨੇ ਦੇ ਅੰਦਰ-ਅੰਦਰ, ਅਤੇ contemporaneously ਸ਼ਾਮਲ ਹਨ ਦੁਹਰਾਓ. ਵਾਰ ਵਿੰਡੋ ਸਖ਼ਤ ਬਣਾਉਣਾ ਮੇਲ ਸੈੱਟ ਦੀ ਗਿਣਤੀ ਘਟਦੀ ਹੈ, ਪਰ ਮੌਸਮੀ ਪਰਿਵਰਤਨ ਬਾਰੇ ਚਿੰਤਾ ਘਟਦੀ. ਖੁਸ਼ਕਿਸਮਤੀ ਨਾਲ, ਉਹ ਦਾ ਪਤਾ ਹੈ, ਜੋ ਕਿ ਨਤੀਜੇ ਮਿਲਦੇ ਮਾਪਦੰਡ ਵਿਚ ਇਹ ਤਬਦੀਲੀ ਨਾਲ ਤਬਦੀਲ ਹੁੰਦੇ ਹਨ. ਮੇਲ ਸਾਹਿਤ ਵਿਚ, ਚਿੰਤਾ ਦੀ ਇਸ ਕਿਸਮ ਦੀ ਆਮ ਤੌਰ 'ਤੇ observables ਅਤੇ unobservables ਦੇ ਰੂਪ ਵਿੱਚ ਪ੍ਰਗਟ ਕੀਤਾ ਗਿਆ ਹੈ, ਪਰ ਕੁੰਜੀ ਵਿਚਾਰ ਨੂੰ ਅਸਲ ਵਿੱਚ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਸਿਰਫ ਮੇਲ ਵਿੱਚ ਵਰਤਿਆ ਫੀਚਰ ਤੇ ਨਿਰਪੱਖ ਤੁਲਨਾ ਬਣਾਉਣ ਜਾ ਰਹੇ ਹੈ.

ਦੂਜਾ ਪ੍ਰਮੁੱਖ ਚਿੰਤਾ ਹੈ ਜਦ ਮਿਲਦੇ ਨਤੀਜੇ ਵਿਆਖਿਆ ਕੀਤੀ ਕਿ ਉਹ ਸਿਰਫ਼ ਮੇਲ ਡਾਟਾ ਤੇ ਲਾਗੂ ਹੁੰਦਾ ਹੈ; ਉਹ ਕੇਸ ਹੈ, ਜੋ ਕਿ ਮੇਲ ਨਹੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਤੇ ਲਾਗੂ ਨਾ ਕਰੋ. ਮਿਸਾਲ ਲਈ, ਜੋ ਕਿ ਇਕਾਈ ਮਲਟੀਪਲ ਸੂਚੀ Einav ਅਤੇ ਸਾਥੀ ਪੇਸ਼ੇਵਰ ਅਤੇ ਅਰਧ-ਪੇਸ਼ਾਵਰ ਵੇਚਣ 'ਤੇ ਧਿਆਨ ਕਰ ਰਹੇ ਹਨ ਨੇ ਆਪਣੇ ਖੋਜ ਸੀਮਿਤ ਹੈ. ਇਸ ਲਈ, ਜਦ ਕਿ ਇਹ ਤੁਲਨਾ ਵਿਆਖਿਆ ਸਾਨੂੰ ਯਾਦ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਉਹ ਸਿਰਫ਼ ਈਬੇ ਦੇ ਇਸ ਸਮੂਹ ਨੂੰ ਲਾਗੂ ਕਰੋ.

ਮੇਲ ਵਿਸ਼ਾਲ datasets ਵਿਚ ਨਿਰਪੱਖ ਤੁਲਨਾ ਲੱਭਣ ਲਈ ਇੱਕ ਸ਼ਕਤੀਸ਼ਾਲੀ ਰਣਨੀਤੀ ਹੈ. ਬਹੁਤ ਸਾਰੇ ਸਮਾਜਿਕ ਵਿਗਿਆਨੀ ਕਰਨ ਲਈ, ਮੇਲ ਪ੍ਰਯੋਗ ਦੂਜੇ-ਬੇਹਤਰੀਨ ਵਰਗੇ ਮਹਿਸੂਸ ਕਰਦਾ ਹੈ, ਪਰ ਹੈ, ਜੋ ਕਿ ਇੱਕ ਵਿਸ਼ਵਾਸ ਹੈ, ਜੋ ਕਿ ਸੋਧਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ, ਥੋੜ੍ਹਾ ਹੈ. ਵੱਡੇ ਡਾਟਾ ਵਿਚ ਮੇਲ ਖੇਤਰ ਪ੍ਰਯੋਗ ਦੀ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਗਿਣਤੀ ਨੂੰ ਵੱਧ ਬਿਹਤਰ ਹੋ ਸਕਦਾ ਹੈ, ਜਦ ਕਿ: 1) ਪ੍ਰਭਾਵ ਵਿੱਚ ਸੰਸਿਤੀ ਮਹੱਤਵਪੂਰਨ ਹੈ ਅਤੇ 2) ਉੱਥੇ ਮੇਲ ਲਈ ਚੰਗਾ observables ਹਨ. ਟੇਬਲ 2.4 ਨੂੰ ਮਿਲਦੇ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਦੇ ਨਾਲ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਦੇ ਕੁਝ ਹੋਰ ਮਿਸਾਲ ਦਿੰਦਾ ਹੈ.

ਟੇਬਲ 2.4: ਅਧਿਐਨ ਹੈ, ਜੋ ਕਿ ਡਿਜ਼ੀਟਲ ਟਰੇਸ ਦੇ ਅੰਦਰ ਨਿਰਪੱਖ ਤੁਲਨਾ ਦਾ ਪਤਾ ਕਰਨ ਲਈ ਮਿਲਾਇਆ ਦੀ ਉਦਾਹਰਨ.
ਠੋਸ ਫੋਕਸ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਕੀਟਾਟੀਓਨ
ਪੁਲਿਸ ਨੇ ਹਿੰਸਾ 'ਤੇ ਗੋਲੀ ਦੇ ਅਸਰ ਰੋਕੋ-ਅਤੇ-frisk ਦਾ ਰਿਕਾਰਡ Legewie (2016)
ਪਰਿਵਾਰ ਅਤੇ ਗੁਆਢੀਆ 'ਤੇ 11 ਸਤੰਬਰ, 2001 ਦੇ ਪ੍ਰਭਾਵ ਵੋਟਿੰਗ ਰਿਕਾਰਡ ਅਤੇ ਦਾਨ ਦੇ ਰਿਕਾਰਡ Hersh (2013)
ਸੋਸ਼ਲ contagion ਸੰਚਾਰ ਅਤੇ ਉਤਪਾਦ ਗੋਦ ਡਾਟਾ Aral, Muchnik, and Sundararajan (2009)

ਸਿੱਟਾ ਵਿੱਚ, ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਤੱਕ causal ਅਸਰ ਅੰਦਾਜ਼ਾ ਲਈ ਸੱਤਰਾ ਤਰੀਕੇ ਖ਼ਤਰਨਾਕ ਹਨ. ਪਰ, ਮਜ਼ਬੂਤ ​​ਤੱਕ ਕਮਜ਼ੋਰ ਕਰਨ ਲਈ ਇੱਕ ਨਿਰੰਤਰਤਾ ਨਾਲ ਝੂਠ causal ਅਨੁਮਾਨ ਬਣਾਉਣ ਲਈ ਰਣਨੀਤੀ ਹੈ, ਅਤੇ ਖੋਜਕਾਰ ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਦੇ ਅੰਦਰ ਨਿਰਪੱਖ ਤੁਲਨਾ ਖੋਜਣ ਕਰ ਸਕਦਾ ਹੈ. ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਅਤੇ ਮੇਲ: ਹਮੇਸ਼ਾ-ਤੇ, ਵੱਡੇ ਡਾਟਾ ਸਿਸਟਮ ਦੇ ਵਿਕਾਸ ਨੂੰ ਅਸਰਦਾਰ ਦੋ ਮੌਜੂਦਾ ਢੰਗ ਦਾ ਇਸਤੇਮਾਲ ਕਰਨ ਦੀ ਸਾਡੀ ਯੋਗਤਾ ਨੂੰ ਵਧਾ ਦਿੰਦਾ ਹੈ.