2.4.3.1 Naturaj eksperimentoj

Naturaj eksperimentoj utiligi hazardaj okazaĵoj en la mondo. hazarda okazaĵo + ĉiam-sur datumoj sistemo = natura eksperimento

La ŝlosilo por randomigitaj kontrolitaj eksperimentoj ebligante justa komparo estas la aleatorización. Tamen, foje io okazas en la mondo kiu esence asignas personoj hazarde aŭ preskaŭ hazarde al malsamaj traktadoj. Unu el plej klaraj ekzemploj de la strategio de uzanta naturajn eksperimentojn devenas la esploro de Angrist (1990) kiu mezuras la efikon de militservoj sur enspezarojn.

Dum la milito en Vjetnamio, Usono pliigis la grandecon de liaj fortoj armitaj tra akirado. Por decidi kiu civitanoj estus nomita en servo, la usona registaro organizis loterion. Ĉiu naskiĝo estis reprezentita sur peco da papero, kaj tiuj paperoj estis metitaj en grandan glason jar. Kiel montrita en Figuro 2.5, tiuj papelitos estis tiritaj de la bokalon unuope determini la ordon ke junuloj estus nomita por servi (junulinoj ne estis subjektoj al la projekto). Bazita sur la rezultoj, homoj naskiĝis la 14 de septembro estis nomita unua, viroj naskiĝis sur aprilo 24 estis nomitaj dua, kaj tiel plu. Fine, en tiu loterio, viroj naskiĝis sur 195 malsamaj tagoj vokitaj al servo dum homoj naskita la 171 tagoj estis nomataj.

Figuro 2.5: Kongresano Aleksandro Pirnie (R-NY) tiranta la unua kapsulo por la Selective Service skizo decembro 1, 1969. Josuo Angrist (1990) kombinis la malneto loterio kun enspezarojn datumoj de la Socia Sekureco Administrado por taksi la efikon de militservo sur enspezarojn. Tio estas ekzemplo de esplorado uzanta naturan eksperimento. Fonto: Vikipedio

Kvankam ĝi eble ne estas tuj evidenta, malneto loterio havas maltrankviligan similecon al randomigitaj kontrolitaj eksperimento: en ambaŭ situacioj partoprenantoj estas hazarde asignita al ricevi traktadon. En la kazo de la malneto loterio, se ni volas lerni pri la efikoj de skizo-kvalifikreguloj kaj militservo en postaj labormerkato enspezarojn, ni povas kompari rezultojn por homoj kies birthdates esas sub la loterio kortego (ekz, Septembro 14, Aprilo 24, ktp) kun la rezultoj por personoj kies naskiĝtago estis post la kortego (ekz, februaro 20, decembro 2, ktp).

Donita ke tiu traktado de estanta redaktita estis hazarde asignita, ni tiam povas mezuri la efikon de tiu traktado por ajna rezulto kiu estis mezurita. Ekzemple, Angrist (1990) kombinis la informon pri kiu estis hazarde elektitaj en la skizo kun enspezarojn datumoj kiuj estis kolektitaj de la Socia Sekureco Administrado konkludi ke la enspezoj de blankaj veteranoj estis proksimume 15% malpli ol la enspezoj de komparebla ne-veteranoj . Aliaj investigadores uzis similan trukon tiel. Ekzemple, Conley and Heerwig (2011) kombinis la informon pri kiu estis hazarde elektitaj en la skizo kun domanaro datumoj kolektitaj de la 2000 Kontado kaj 2005 American Community Survey trovis ke tiel longe post la skizo, estis malmulta longdaŭra efiko de militservo sur vario de rezultoj kiel ekzemple loĝigo permanenta ofico (posedante kontre renting) kaj residenciales stabileco (verŝajneco de esti proponita en antaŭaj kvin jaroj).

Kiel tiu ekzemplo ilustras, foje socia, politika, aŭ naturaj fortoj krei eksperimentoj aŭ proksime-eksperimentoj kiuj povas ekspluatita de esploristoj. Ofte naturaj eksperimentoj estas la plej bona maniero por taksi kaŭzas-kaj-efekto rilatoj enkadrigitajn kie ne etika aŭ praktika kuri randomigitaj kontrolitaj eksperimentoj. Estas grava strategio por malkovri belaj komparojn en ne-eksperimentaj datumoj. Tiu esploro strategio eblas resumita de tiu ekvacio:

\ [\ text {hazarda (aŭ kvazaŭ hazarda) evento} + \ text {ĉiam-sur datumfluo} = \ text {natura eksperimento} \ qquad (2,1) \]

Tamen, la analizo de naturaj eksperimentoj povas esti tre malfacila. Ekzemple, en la kazo de la Vjetnama malneto, ne ĉiuj kiuj estis ekskrementejon elektebla finis utilante (estis vario de sendevigoj). Kaj, al la sama tempo, iuj personoj kiuj ne redakti-elektebla volontulis por servo. Estis kvazaŭ en klinika elprovo de nova medikamento, iuj personoj en la traktado grupo ne prenos iliajn medicino kaj iuj de la personoj en la kontrolgrupo iel ricevis la drogo. Tiu problemo, nomita duflanka noncompliance, tiel kiel multaj aliaj problemoj estas priskribita pli detale en iu de la rekomenditaj legaĵoj fine de tiu ĉapitro.

La strategio de utiligi nature okazanta hazarda asigno antaŭiras la diĝita aĝo, sed la tropezo de grandaj datumoj faras ĉi strategio multe pli facile uzi. Iam vi rimarkos iun traktadon estis asignita hazarde, grandaj datumoj fontoj povas havigi la rezulto datumoj kiujn vi bezonas por kompari la rezultojn por homoj en la traktado kaj kontrolo kondiĉoj. Ekzemple, en lia studo de la efektoj de la projekto kaj militservo, Angrist uzis enspezarojn registroj de la Socia Sekureco Administrado; sen tiu rezulto datumoj, lia studo ne estintus ebla. En tiu kazo, la Socia Sekureco Administrado estas la ĉiam-sur grandaj datumfonto. Kiel pli kaj pli aŭtomate kolektita datumo fontoj ekzistas, ni havos pli rezulton datumoj kiuj povas mezuri la efikojn de ŝanĝoj kreita de ekzogenaj variado.

Ilustri tiun strategion en la cifereca erao, ni konsideru Mas kaj Moretti (2009) eleganta esplorado pri la efiko de paroj sur produktiveco. Kvankam sur la surfaco povus rigardi malsamaj ol Angrist la studo pri la efikoj de la Vjetnamio-Skizo, strukture ili ambaŭ sekvas la skemon en eq. 2.1.

Mas kaj Moretti mezuris kiom kunlernantoj tuŝi la productividad de la laboristoj. Unuflanke, havanta malfacilan labori samulo povus konduki laboristoj pliigi ilian produktivecon pro premo. Aŭ, aliflanke, malmola laboras samulo povus konduki aliajn laboristojn malrapidas ekstere eĉ pli. La plej klara maniero por studadi samulo efikoj sur produktiveco volus esti randomigitaj kontrolitaj eksperimento kie laboristoj estas hazarde asignita al ŝanĝoj kun laboristoj de malsamaj productividad niveloj kaj tiam rezultan produktiveco estas mezurita por ĉiu. Esploristoj tamen ne kontrolas la horaron de laboristoj en ajna reala negoco, kaj tiel Mas kaj Moretti devis fidi natura eksperimento kiu okazis en superbazaro.

Samkiel eq. 2.1, lia studo havis du partojn. Unue, oni uzis la tagaloj de la superbazaro kaso sistemo havi precizan, individua, kaj ĉiam-sur mezuro de produktiveco: la nombro da eroj skanita sekunde. Kaj due, pro la maniero ke temptabelanta estis farita ĉe tiu superbazaro, ili havas proksime hazarda kunmetaĵo de kunlernantoj. Alivorte, kvankam la planadon de kasistoj ne estas determinita per loterio, estis esence hazarda. Praktike, la konfido kiun ni havas en naturaj eksperimentoj ofte ĉarniroj sur la verosimilitud de tiu "kiel-se" hazarda aserto. Utiligante ĉi hazarda variado, Mas kaj Moretti trovis ke labori kun maksimuma produktivo kunlernantoj pliigas produktivecon. Plui, Mas kaj Moretti uzis la grandeco kaj riĉeco de ilia datumaro moviĝi preter la korinklino de kaŭzo-kaj-efekto esplori du pli gravaj kaj subtilaj aferoj: heterogeneco de tiu efiko (por kio specoj de laboristoj estas la efekto pli granda) kaj mekanismo malantaŭ la efekto (por kio havas altan produktivecon kunlernantoj konduki al pli alta produktivo). Ni revenos al ĉi tiuj du gravaj aferoj-heterogeneco de traktado efikoj kaj mekanismoj -in Ĉapitro 5 kiam ni diskutos eksperimentoj pli detale.

Ĝeneraliganta de la studoj sur la efiko de la Vjetnama Skizo sur enspezoj kaj la studo de la efiko de paroj sur produktiveco, Tabelo 2.3 resumas aliaj studoj kiuj havas precize la saman strukturon: uzante ĉiam-sur datumfonto mezuri la efikon de kelkaj okazaĵo . Kiel Tabelo 2.3 faras klara, natura eksperimentoj estas ĉie, se vi nur scias kiel serĉi ilin.

Praktike, esploristoj utiligas du malsamajn strategiojn por trovi naturajn eksperimentojn, kiuj ambaŭ povas esti fruktodona. Iuj esploristoj komencas kun la ĉiam-sur datumfonto kaj serĉi hazardaj okazaĵoj en la mondo; aliaj komencas kun hazarda eventoj en la mondo kaj serĉi datumojn fontoj kiuj kapti ilian efikon. Fine, rimarkis, ke la forto de natura eksperimentoj venas ne de la sofisticación de la statistika analizo, sed de la zorgo en malkovri justa komparo kreita per feliĉa akcidento de historio.