4.4.1 చెల్లుబాటు

చెల్లుబాటు ఒక ప్రయోగ ఫలితాలు ఒక మరింత సాధారణ నిర్ధారణకు మద్దతిస్తున్నాయి ఎంత సూచిస్తుంది.

తోబుట్టువుల ప్రయోగం ఖచ్చితంగా ఉంది, మరియు పరిశోధకులు సాధ్యం సమస్యలను వివరించడానికి ఒక విస్తృతమైన పదజాలం అభివృద్ధి చేశారు. చెల్లుబాటు ఒక నిర్దిష్ట ప్రయోగ ఫలితాలు కొన్ని మరింత సాధారణ నిర్ధారణకు మద్దతిస్తున్నాయి ఏ మేరకు సూచిస్తుంది. సామాజిక శాస్త్రవేత్తలు నాలుగు ప్రధాన రకాలుగా చెల్లుబాటును విడిపోయినట్లు ఉపయోగపడిందా కనుగొన్నారు: గణాంక నిర్ధారణకు ప్రామాణికత, అంతర్గత చెల్లుబాటును చెల్లుబాటును నిర్మించేందుకు మరియు బాహ్య చెల్లుబాటును (Shadish, Cook, and Campbell 2001, Ch 2) . ఈ భావనలు మాస్టరింగ్ మీరు విమర్శిస్తూనే మరియు ఒక ప్రయోగం యొక్క రూపకల్పన మరియు విశ్లేషణ అభివృద్ధి కోసం ఒక మానసిక చెక్లిస్ట్ అందిస్తుంది మరియు మీరు ఇతర పరిశోధకులు కమ్యూనికేట్ సహాయం చేస్తుంది.

స్టాటిస్టికల్ నిర్ధారణకు చెల్లుబాటును ప్రయోగం గణాంక విశ్లేషణ సరిగ్గా జరిగింది అని చుట్టూ కేంద్రీకృతమై ఉంటుంది. సందర్భముగా Schultz et al. (2007) వంటి ప్రశ్న వారు సరిగ్గా వారి p- విలువల కంప్యూటెడ్ అనే అంశంపై సెంటర్ ఉండవచ్చు. సాంఖ్యక విశ్లేషణ ఈ పుస్తకం యొక్క పరిధిని దాటి ఉంటుంది, కానీ నేను రూపకల్పన మరియు ప్రయోగాలు విశ్లేషించడానికి అవసరమైన గణాంక సూత్రాలు డిజిటల్ యుగంలో మారలేదు అని చెప్పగలను. అయితే, డిజిటల్ ప్రయోగాలు వివిధ డేటా వాతావరణంలో కొత్త గణాంక అవకాశాలను సృష్టించదు (ఉదా, చికిత్సా ఫలితాలని భిన్నత్వం అంచనా వేయడానికి యంత్ర అభ్యాస పద్ధతులను ఉపయోగించి (Imai and Ratkovic 2013) ) మరియు కొత్త గణన సవాళ్లు (ఉదా, భారీ ప్రయోగాల్లో నిరోధించడాన్ని (Higgins, Sävje, and Sekhon 2016) ).

అంతర్గత చెల్లుబాటును ప్రయోగాత్మక విధానాల్లో సరిగ్గా ప్రదర్శించారు చేయబడ్డాయి అని చుట్టూ కేంద్రీకృతమై ఉంటుంది. ప్రయోగం సాధించాక Schultz et al. (2007) , అంతర్గత విలువ పట్ల ప్రశ్నలు, నియమరహితం చుట్టూ సెంటర్ కాలేదు ఫలితాల చికిత్స అందించటం, మరియు కొలత. ఉదాహరణకు, మీరు పరిశోధన సహాయకులు విశ్వసనీయంగా ఎలక్ట్రిక్ మీటర్ల చదవలేదు ఆందోళన కావచ్చు. నిజానికి, షుల్ట్ మరియు సహచరులు ఈ సమస్య గురించి భయపడి మరియు వారు రెండుసార్లు చదివి మీటర్ల ఒక నమూనా కలిగి; అదృష్టవశాత్తూ, ఫలితాలు తప్పనిసరిగా ఒకేలా ఉంటాయి. సాధారణంగా, షుల్ట్ మరియు సహచరులు 'ప్రయోగం అధిక అంతర్గత చెల్లుబాటును కలిగి కనిపిస్తుంది, కానీ ఇది ఎల్లప్పుడూ కాదు; సంక్లిష్ట రంగంలో మరియు ఆన్లైన్ ప్రయోగాలు తరచుగా సమస్యలు నిజానికి కుడి ప్రజలకు సరైన చికిత్స పంపిణీ మరియు ప్రతి ఒక్కరూ ఫలితములను కొలిచే ఆకస్మికంగా. అది అందుకున్న మరియు అన్ని పాల్గొనే ఫలితాలను కొలవటానికి ఉండాల్సి వారికి రూపకల్పన వంటి చికిత్స అందజేస్తారు ఉండేలా దానిని సులభతరం చేస్తుంది ఎందుకంటే అదృష్టవశాత్తూ, డిజిటల్ వయస్సు అంతర్గత విలువ పట్ల చింత సహాయపడుతుంది.

డేటా మరియు సైద్ధాంతిక నిర్మాణాలు మధ్య మ్యాచ్ సుమారు చెల్లుబాటును కేంద్రాలు నిర్మించేందుకు. చాప్టర్ 2 చర్చించినట్లుగా, నిర్మిస్తుంది సామాజిక శాస్త్రవేత్తలు కారణం నైరూప్య భావాలు. దురదృష్టవశాత్తు, ఈ నైరూప్య భావాలు ఎప్పుడూ స్పష్టంగా నిర్వచనాలు మరియు కొలతలు లేదు. సాధించాక Schultz et al. (2007) , సాంఘిక కట్టుబాట్లు విద్యుత్ వినియోగం తగ్గిస్తుంది తక్షణ ఉందనే వాదన మార్చటానికి అని "సరే నిషేధ ఉత్తర్వు సాంఘిక కట్టుబాట్లు" (ఉదా, ఒక ఎమోటికాన్) మరియు "విద్యుత్ వినియోగం" కొలవడానికి ఒక చికిత్సా రూపొందించడానికి పరిశోధకులు అవసరం. అనలాగ్ ప్రయోగాల్లో, అనేక మంది పరిశోధకులు తమ సొంత చికిత్సలను రూపకల్పన మరియు వారి సొంత ఫలితాలను కొలుస్తారు. ఈ విధానం వీలైనంత, ప్రయోగాలు నైరూప్య నిర్మాణాలను అధ్యయనం చేస్తున్నారు మ్యాచ్, నిర్ధారిస్తుంది. కంపెనీలు లేదా ప్రభుత్వాలతో పరిశోధకులు భాగస్వామి చికిత్సలు బట్వాడా మరియు ఫలితాలను కొలవటానికి డేటా సిస్టమ్స్ ఎల్లప్పుడూ ఉపయోగించడానికి ఎక్కడ డిజిటల్ ప్రయోగాల్లో, ప్రయోగంగా సైద్ధాంతిక నిర్మాణాలు మధ్య మ్యాచ్ తక్కువ గట్టి కావచ్చు. ఆ విధంగా, నేను నిర్మాణం చెల్లుబాటును అనలాగ్ ప్రయోగాలు కన్నా డిజిటల్ ప్రయోగాల పెద్ద ఆందోళన ఉంటాయి ఉంటుంది భావిస్తున్నారు.

చివరగా, బాహ్య చెల్లుబాటును ఈ ప్రయోగం ఫలితాలు ఇతర పరిస్థితులకు సాధారణీకరించడం చేస్తుందా అని చుట్టూ కేంద్రీకృతమై ఉంటుంది. సాధించాక Schultz et al. (2007) , ఒక, గోవా కాలేదు వారి సహచరులకు సంబంధం వారి శక్తి వినియోగం మరియు తక్షణ నియమాల (ఉదా, ఒక ఎమోటికాన్) అది వేరే విధంగా జరిగింది ఉంటే -reduce శక్తి వినియోగంలో ఒక సంకేతం గురించిన ఈ అదే ఆలోచన-అందించడం ప్రజలు సమాచారాన్ని విభిన్నమైన అమరిక? బాగా రూపకల్పన మరియు బాగా అమలు పరిశోధనలకు, బాహ్య విలువ పట్ల ఆందోళనలు పరిష్కరించేందుకు కష్టతరమైన ఉన్నాయి. గతంలో, బాహ్య విలువ పట్ల ఈ చర్చల్లో తరచుగా కేవలం విధానాలు వేరే విధంగా జరిగింది, లేదా వేరే చోట, లేదా వివిధ వ్యక్తులతో ఉంటే విధంగానే జరిగి ఊహించవచ్చు ప్రయత్నిస్తున్నారు ఒక గదిలో కూర్చుని ఒక సమూహం ఉన్నాయి. అదృష్టవశాత్తూ, డిజిటల్ వయస్సు ఈ డేటా లేని ఊహాజనిత చూపడంద్వారా మరియు ఆమోద బాహ్య చెల్లుబాటును అంచనా పరిశోధకులు అనుమతిస్తుంది.

నుండి ఫలితాలు ఎందుకంటే Schultz et al. (2007) , కాబట్టి అద్భుతమైన ఉన్నాయి Opower అనే సంస్థ మరింత విస్తృతంగా చికిత్స విస్తరించడానికి యునైటెడ్ స్టేట్స్ లో వినియోగాలు భాగస్వామిగా. ఆకృతిపై ఆధారపడి Schultz et al. (2007) , Opower అనుకూలీకరించిన రెండు ప్రధాన గుణకాలు, ఒక ఎమోటికాన్ దాని పొరుగు ఒక ఇంటిలోని విద్యుత్ వినియోగం సంబంధిత చూపిస్తున్న మరియు ఒక శక్తి వినియోగం తగ్గించడం కోసం చిట్కాలు అందించడం ఉందని హోమ్ శక్తి నివేదికలు (మూర్తి 4.6) రూపొందించినవారు. అప్పుడు, పరిశోధకులు భాగస్వామ్యంతో Opower నియంత్రించబడిన ప్రయోగాలు హోమ్ శక్తి నివేదికలు యొక్క ప్రభావం అంచనా స్వైర నడిచింది. ఈ ప్రయోగాల లో చికిత్సలు సాధారణంగా పాత ఆకారముగా నత్త ద్వారా భౌతికంగా సాధారణంగా పంపిణీ ఉన్నప్పటికీ మెయిల్ ఫలితం భౌతిక ప్రపంచం లో డిజిటల్ పరికరాలు (ఉదా: విద్యుత్ మీటర్లు) ఉపయోగించి అంచనా వేస్తుంది. అయితే మానవీయంగా ప్రతి ఇంటికి అతిథిగా పరిశోధనా సహాయకులతో ఈ సమాచారం సేకరించడం కంటే, Opower ప్రయోగాలు అన్ని శక్తి రీడింగులను యాక్సెస్ పరిశోధకులు ఎనేబుల్ విద్యుత్ సంస్థలకు భాగస్వామ్యంతో జరిగెను. అందుచేత, ఈ పాక్షికంగా డిజిటల్ రంగంలో ప్రయోగాలు తక్కువ వేరియబుల్ ఖర్చు వద్ద ఒక భారీ స్థాయిలో అమలు చేయబడ్డాయి.

మూర్తి 4.6: లో Allcott (2011) హోం శక్తి నివేదికలు సోషల్ పోలిక మాడ్యూల్ మరియు యాక్షన్ స్టెప్స్ మాడ్యూల్ వచ్చింది.

మూర్తి 4.6: హోం శక్తి నివేదికలు Allcott (2011) ఒక సామాజిక పోలిక మాడ్యూల్ మరియు యాక్షన్ స్టెప్స్ మాడ్యూల్ వచ్చింది.

600,000 కుటుంబాలు చేస్తున్న యునైటెడ్ స్టేట్స్ దాదాపు 10 ప్రయోజన కంపెనీలను పనిచేశారు పాల్గొన్న ప్రయోగాలు మొదటి సెట్లో Allcott (2011) హోమ్ ఎనర్జి రిపోర్ట్ 1.7% విద్యుత్ వినియోగం సాధ్యపడింది దొరకలేదు. ఇతర మాటలలో, పెద్ద, భౌగోళికంగా విభిన్న అధ్యయనం నుండి ఫలితాలు నుండి ఫలితాలు గుణాత్మకంగా పోలి ఉండేవి Schultz et al. (2007) . కానీ, ప్రభావం పరిమాణం తక్కువగా ఉంది: లో Schultz et al. (2007) వివరణాత్మక మరియు injective నిబంధనలను పరిస్థితి (ఎమోటికాన్ ఒక) కుటుంబాలకు 5% వారి విద్యుత్ వినియోగం తగ్గింది. ఈ తేడా కచ్చితమైన కారణం తెలియదు, కానీ Allcott (2011) ఒక విశ్వవిద్యాలయం స్పాన్సర్ ఒక అధ్యయనంలో భాగంగా ఒక చేతితో రాసిన ఎమోటికాన్ పొందుతున్న ఒక సామూహిక ఉత్పత్తి నివేదికను భాగంగా ముద్రించిన ఎమోటికాన్ స్వీకరించడం కంటే ప్రవర్తన మీద పెద్ద ప్రభావం కలిగి ఊహించారు పవర్ కంపెనీ.

మరింత తదనంతర పరిశోధనా లో, Allcott (2015) అదనపు 8 మిలియన్ల గృహాలు పాల్గొన్న అదనపు 101 ప్రయోగాలపై నివేదించారు. ఈ తదుపరి 101 ప్రయోగాలు హోం ఎనర్జి రిపోర్ట్ ప్రజలు వారి విద్యుత్ వినియోగం తక్కువగా కారణం కొనసాగింది, కానీ ప్రభావాలు తక్కువగా ఉండేవి. ఈ తిరోగమనం కచ్చితమైన కారణం తెలియదు, కానీ Allcott (2015) నివేదిక ప్రభావం నిజానికి పాల్గొనే వివిధ రకాల దరఖాస్తు ఎందుకంటే కాలక్రమేణా తగ్గుముఖం అనిపించింది ఊహించారు. మరింత ప్రత్యేకంగా, మరింత పర్యావరణ ప్రాంతాలలో వినియోగాలు ఎక్కువగా ఉన్నాయి కార్యక్రమం ముందు పాటించేలా మరియు వారి వినియోగదారులకు చికిత్స మరింత బాధ్యతాయుతంగా ఉన్నాయి. తక్కువ పర్యావరణ వినియోగదారులు వినియోగాలు కార్యక్రమాన్ని స్వీకరించింది, దాని ప్రభావం తగ్గుముఖం కనిపించింది. అందువలన, ప్రయోగాలలో నియమరహితం చికిత్స మరియు నియంత్రణ సమూహం పోలి ఉంటాయి నిర్ధారిస్తుంది అంతే, పరిశోధన సైట్లు నియమరహితం అంచనాల (తిరిగి చాప్టర్ 3 శాంప్లింగ్ గురించి అనుకుంటున్నాను) మరింత సాధారణ జనాభాకు పాల్గొనే ఒక సమూహం నుంచి సాధారణీకరణం చేయవచ్చు నిర్ధారిస్తుంది. పరిశోధన ప్రాంతాల యాదృచ్ఛికంగా మచ్చుకకు కాకపోతే, అప్పుడు సాధారణీకరణం కూడా నుండి ఒక సంపూర్ణ రూపకల్పన మరియు నిర్వహించిన ప్రయోగంలో-సమస్యాత్మకంగా ఉంటుంది.

కలిసి, ఈ 111 ప్రయోగాలు -10 లో Allcott (2011) లో మరియు 101 Allcott (2015) యునైటెడ్ స్టేట్స్ కంటే నుండి 8.5 మిలియన్ల గృహాలు -involved. వారు నిలకడగా హోమ్ శక్తి నివేదికలు సగటు విద్యుత్ వినియోగం, కాలిఫోర్నియా లో 300 ఇళ్లలో నుండి షుల్ట్ యొక్క అసలు పరిశోధనలను మరియు సహచరులు మద్దతిచ్చే ఫలితంగా తగ్గించే చూపించు. కేవలం ఈ అసలు ఫలితాలు పునరావృత్తం బియాండ్, అనుసరించండి- up ప్రయోగాలు కూడా ప్రభావం యొక్క పరిమాణం ప్రదేశంను బట్టి మారుతుంది చూపిస్తున్నాయి. ప్రయోగాలు ఈ సెట్ కూడా పాక్షికంగా డిజిటల్ రంగంలో ప్రయోగాలు గురించి ఎక్కువ రెండు సాధారణ పాయింట్లు చూపును. మొదటి, పరిశోధకులు బాహ్య విలువ పట్ల చిరునామా ఆందోళనలు ఆమోద ప్రయోగాలు నడిపే ఖర్చును తక్కువగా ఉన్నప్పుడు చెయ్యగలరు, మరియు ఫలితం ఇప్పటికే ఒక ఎప్పుడూ డేటా వ్యవస్థ ద్వారా కొలుస్తారు చేసినట్లయితే ఈ సంభవించవచ్చు. అందువలన, పరిశోధన ఇప్పటికే రికార్డు చేస్తున్నారు ఇతర ఆసక్తికరమైన మరియు ముఖ్యమైన ప్రవర్తనల కొరకు లుక్ అవుట్ ఉండాలి, ఆపై ఈ ప్రస్తుత కొలిచే మౌలిక పైన ప్రయోగాలు రూపొందించడానికి సూచిస్తుంది. రెండవది, ప్రయోగాలు ఈ సెట్ డిజిటల్ రంగంలో ప్రయోగాలు లేని కేవలం ఆన్లైన్ మాకు గుర్తుచేస్తుంది; ఎక్కువగా నేను వారు నిర్మించిన పర్యావరణం లో సెన్సార్లు ద్వారా కొలుస్తారు అనేక ఫలితాలను ప్రతిచోటా అని భావిస్తున్నాము.

చెల్లుబాటును గణాంక నిర్ధారణకు ప్రామాణికత, అంతర్గత చెల్లే నాలుగు రకాల చెల్లుబాటును నిర్మించేందుకు, బాహ్య చెల్లుబాటును అందించేందుకు పరిశోధకులు నిర్దిష్ట ప్రయోగానికి నుండి ఫలితాలు మరింత సాధారణ నిర్ధారణకు మద్దతిస్తున్నాయి లేదో అంచనా సహాయం ఒక మానసిక చెక్లిస్ట్. అనలాగ్ వయస్సు ప్రయోగాలు పోలిస్తే, డిజిటల్ వయస్సు ప్రయోగాలలో ఇది ఆమోద బాహ్య చెల్లుబాటును పరిష్కరించేందుకు సులభంగా ఉండాలి మరియు అది అంతర్గత చెల్లుబాటును నిర్ధారించడానికి సులభంగా ఉండాలి. మరోవైపు, నిర్మాణం చెల్లే సమస్యలు బహుశా డిజిటల్ వయస్సు ప్రయోగాల్లో మరింత సవాలు ఉంటుంది (ఆ Opower ప్రయోగాలతో కేసు కాకపోయినా).