2.4.1.1 নিউ ইয়র্ক সিটি মধ্যে ট্যাক্সি

একজন গবেষক ট্যাক্সি মিটার থেকে বড় তথ্য ব্যবহার অধ্যয়ন ট্যাক্সি ড্রাইভার নিউ ইয়র্কে নিয়ে সিদ্ধান্ত গ্রহণের. এই তথ্য ভাল এই গবেষণার জন্য উপযুক্ত ছিল.

ডান জিনিস গণনা সহজ ক্ষমতার একটা উদাহরণ হেনরি Farber এর থেকে আসে (2015) নিউ ইয়র্ক সিটি ট্যাক্সি ড্রাইভার ব্যবহার নিয়ে গবেষণা. যদিও এই দল মজ্জাগতভাবে আকর্ষণীয় শব্দ না পারে এটা শ্রম অর্থনীতি দুই প্রতিদ্বন্দ্বী তত্ত্ব পরীক্ষার জন্য একটি কৌশলগত গবেষণা সাইট. Farber এর গবেষণার উদ্দেশ্য পূরণকল্পে, সেখানে ট্যাক্সি ড্রাইভার কাজের পরিবেশ সম্পর্কে দুটি গুরুত্বপূর্ণ বৈশিষ্ট্য হল: 1) তাদের ঘনঘন মজুরি দিন থেকে দিন, আবহাওয়া ভালো কারণের উপর ভিত্তি থেকে ওঠানামা এবং 2) ঘন্টার তারা কাজ সংখ্যা ড্রাইভারের সিদ্ধান্তের উপর ভিত্তি করে প্রতিটি দিন ওঠানামা করতে. এই বৈশিষ্ট্যগুলি ঘনঘন মজুরি এবং ঘন্টা কাজ মধ্যে সম্পর্ক সম্পর্কে একটি মজার প্রশ্ন হতে. অর্থনীতিতে নব্যধ্রুপদী মডেলের ভবিষ্যদ্বাণী যে ট্যাক্সি ড্রাইভার যেখানে তারা উচ্চতর ঘনঘন মজুরি আছে দিনগুলোতে আরও কাজ করবে. অন্যথা, মডেল আচরণগত অর্থনীতি থেকে ঠিক বিপরীত ভবিষ্যদ্বাণী. যদি ড্রাইভার একটি নির্দিষ্ট আয় সেট প্রতি $ 100 লক্ষ্য-say দিন-ও কাজ না হওয়া পর্যন্ত যে লক্ষ্য পূরণ করা হয়, তারপর ড্রাইভার দিন যে তারা বেশি আয় হয় কম ঘন্টা কাজ শেষ হবে. উদাহরণস্বরূপ, যদি আপনি একটি লক্ষ্য উপার্জনকারী ছিল, আপনি আপ একটি ভাল দিন ($ 25 প্রতি ঘন্টায়) এবং একটি খারাপ দিন ($ 20 প্রতি ঘন্টায়) 5 ঘণ্টা 4 ঘন্টা কাজ শেষ হতে পারে. সুতরাং, ড্রাইভার উচ্চতর ঘনঘন মজুরি (যেমন নব্যধ্রুপদী মডেলের ভবিষ্যদ্বাণী) অথবা আরো ঘন্টা কম ঘনঘন মজুরি দিয়ে দিনে সঙ্গে দিনে আরো ঘন্টা কাজ করে (যেমন আচরণগত অর্থনৈতিক মডেল দ্বারা পূর্বাভাস)?

2013, তথ্য যে এখন হয় - এই প্রশ্নের উত্তর দিতে Farber যে ট্যাক্সি ট্রিপ 2009 থেকে নিউ ইয়র্ক সিটি ট্যাক্সিগুলো গৃহীত উপর বেশ কিছু গুরুত্বপূর্ণ উপাত্ত সার্বজনীনরূপে উপলব্ধ . অবস্থান, শেষ সময়, শেষ অবস্থান, ভাড়া, এবং টিপ (শুরু হলে ডগা দিয়ে দেওয়া হয়েছিল শুরু সময়, এই তথ্য-যা ইলেকট্রনিক মিটার যে শহরে ট্যাক্সির প্রয়োজন দ্বারা সংগ্রহ করা হয় প্রতিটি ট্রিপ জন্য বিভিন্ন ধরনের তথ্য টুকরা ব্যবহার-includes ক্রেডিট কার্ড). মোট ইন, Farber ডাটা প্রায় 40 মিলিয়ন শিফটে সময় নেওয়া প্রায় 900 মিলিয়ন ভ্রমণের উপর তথ্য অন্তর্ভুক্ত (একটি শিফট প্রায় এক ড্রাইভারের জন্য একদিনের কাজ নয়). আসলে, এত তথ্য ছিল, যে Farber শুধুমাত্র তার বিশ্লেষণের জন্য এটি একটি র্যান্ডম নমুনা ব্যবহৃত. এই ট্যাক্সি মিটার তথ্য ব্যবহার করে, Farber পাওয়া যে অধিকাংশ ড্রাইভার দিনে আরো কাজ যখন মজুরি উচ্চতর, নব্যধ্রুপদী তত্ত্বের সাথে সামঞ্জস্যপূর্ণ হয়. এই প্রধান ফাইন্ডিং ছাড়াও, Farber বিষমসত্ত্বতা এবং গতিবিদ্যা একটি ভাল বোঝার জন্য ডেটার মাপ লিভারেজ সক্ষম ছিল. Farber পাওয়া যে সময়ের অপেক্ষাকৃত নতুন ড্রাইভার ধীরে ধীরে উচ্চ মজুরি দিনে আরো ঘন্টা কাজ শিখতে (যেমন, তারা যেমন নব্যধ্রুপদী মডেল অনাবিষ্কৃত মৌলগুলো সম্বন্ধে ভবিষ্যদ্বাণী আচরণ শিখতে). আর, নতুন ড্রাইভার যারা আরো লক্ষ্য উপার্জনকারী মত আচরণ আরো একটি ট্যাক্সি চালক হচ্ছে প্রস্থান করার সম্ভাবনা বেশি. এই আরো সূক্ষ্ম তথ্যও, যা বর্তমান ড্রাইভার পর্যবেক্ষণযোগ্য আচরণ ব্যাখ্যা সাহায্য উভয়ে ডেটাসেটে আকারের কারণ শুধুমাত্র সম্ভব ছিল. তারা এর আগে গবেষণায় যে ট্যাক্সি ড্রাইভার একটি ছোট সংখ্যা থেকে কাগজ ট্রিপ চাদর ব্যবহার সময় অল্প সময়ের (যেমন, ওভার সনাক্ত করা অসম্ভব হতো Camerer et al. (1997) ).

Farber গবেষণায় বড় তথ্য ব্যবহার করে একটি অধ্যয়নের জন্য একটি শ্রেষ্ঠ ক্ষেত্রে ঘনিষ্ঠ ছিলেন. প্রথমত, তথ্য অ প্রতিনিধি ছিল না কারণ শহর প্রয়োজনীয় ড্রাইভার ডিজিটাল মিটার ব্যবহার করতে. আর, ডাটা কারণ ডাটা যে শহর সংগৃহীত ছিল প্রশংসনীয় তথ্য যে Farber সংগ্রহ করা হবে যদি সে পছন্দ ছিল ঘনিষ্ঠ ছিলেন অসম্পূর্ণ ছিল না (এক পার্থক্য যে Farber মোট মজুরি-ভাড়া প্লাস tips- চেয়েছিলেন তথ্য আছে হবে কিন্তু শহর ডেটা শুধুমাত্র ক্রেডিট কার্ডের মাধ্যমে দেওয়া টিপস অন্তর্ভুক্ত). Farber গবেষণাকর্মে চাবিকাঠি ভাল তথ্য দিয়ে একটা ভাল প্রশ্ন মিশ্রন হয়. একা তথ্য যথেষ্ট নয়.