2.4.3.1 Eksperimendid

Eksperimendid ära juhuslikult maailmas. juhuslik sündmus + alati-andmete süsteemi = loomulik eksperiment

Võti randomiseeritud kontrollitud eksperimente, mis võimaldab õiglast võrdlust on randomiseerimisskeemile. Kuid aeg-ajalt midagi juhtub maailmas, mis sisuliselt annab inimestele juhuslikult või peaaegu juhuslikult erinevaid ravimeid. Üks selgemaid näiteid kasutamise strateegia loomulik eksperimendid pärineb uurimistöö Angrist (1990) , mis mõõdab mõju sõjalise teenuseid tulu.

Sõja ajal Vietnamis, kasvas USA suurus relvajõudude läbi projekti. Selleks, et otsustada, mida kodanikud oleks ohus teenust, et USA valitsus pidas loterii. Iga sünnikuupäev oli esindatud paberile, ja need paberid olid paigutatud suur klaaspurki. Nagu on näidatud joonisel 2.5, need libiseb paberil olid tõmmatud purki ühe korraga määrata selleks, et noored mehed oleksid kutsutud teenima (noortel naistel ei kuulunud eelnõu). Tulemuste põhjal, mehed sündinud 14. septembril kutsuti esimest mehed sündinud 24. aprillil kutsuti teine ​​ja nii edasi. Lõppkokkuvõttes on selles loterii, mehed sündinud 195 eri päevadel kutsuti sel ajal, kui mehed sündinud 171 päeva ei kutsutud.

Joonis 2.5: kongresmen Alexander Pirnie (R-NY) juhtides esimese kapsli jaoks Asevelvollisuus eelnõu 1. detsembril 1969. Joshua Angrist (1990) kombineeritud eelnõu loterii tulu andmeid Social Security Administration efekti hindamiseks sõjaväeteenistuse tasustamisele. See on näide sellest, teadusuuringute kasutades loomulik eksperiment. Allikas: Wikimedia Commons

Kuigi see ei pruugi olla kohe selge, eelnõu loterii on kriitiline sarnasus randomiseeritud kontrollitud eksperiment: nii olukordi osalejad randomiseeriti saama ravi. Juhul eelnõu loterii, kui me oleme huvitatud õppida mõju eelnõus-kõlblikkuse ja sõjaväekohustus järgneva tööturul tulu, saame võrrelda tulemusi inimestele, kelle birthdates olid alla loterii lõikesagedus (nt 14. septembril, aprill 24 jne) koos tulemuste inimestele, kelle sünnipäevad olid pärast lõikesagedus (nt 20. veebruaril 2. detsember jne).

Arvestades, et see ravi väljatöötamisel on juhuvaliku alusel, siis saame mõõta mõju see ravi mis tahes tulemuse, mis on mõõdetud. Näiteks Angrist (1990) kombineeritud teavet selle kohta, kes oli juhuslikult valitud kavandi tulu andmed, mis koguti Social Security Administration järeldada, et kasum valge veteranid olid umbes 15% väiksem kui töötasu on võrreldav mitte-veteranid . Teised teadlased on kasutanud sarnast trikki ka. Näiteks Conley and Heerwig (2011) kombineeritud teavet selle kohta, kes oli juhuslikult valitud eelnõus majapidamises kogutud andmed alates 2000. aasta loenduse ja 2005. American Community Survey ning leidis, et nii kaua, kui eelnõu oli vähe pikaajaline mõju sõjaväekohustus erinevaid tagajärgi, näiteks eluaseme ametiajal (omavad versus üürile) ja elamu stabiilsus (tõenäosus olles liikunud viimase viie aasta jooksul).

Kuna see näide illustreerib, mõnikord sotsiaalsete, poliitiliste või loodusjõudude luua eksperimente või peaaegu katseid, mis saab võimendatud teadlased. Sageli loomulik eksperimendid on parim viis hinnata põhjuse-tagajärje seoseid seaded, kus see ei ole eetiline või otstarbekas käivitada randomiseeritud kontrollitud eksperimente. Nad on oluline strateegia avastanud õiglast võrdlust mitte-katseandmed. See uurimistöö strateegia võib kokku võtta selle võrrandi:

\ [\ text {juhuslikult (või nagu siis, kui juhuslikult) Juhul} + \ text {alati-andmevoo} = \ text {loomulik eksperiment} \ qquad (2.1) \]

Kuid analüüsi looduslikud eksperimendid võib olla üsna keeruline. Näiteks juhul, kui Vietnami eelnõu, mitte igaüks, kes oli eelnõu abikõlblikud sattus teenivad (seal oli erinevaid erandeid). Ja samal ajal, mõned inimesed, kes ei ole koostada abikõlblikud vabatahtlikult teenust. See oli justkui kliinilises uuringus annab uus ravim, mõned inimesed katserühma ei võtnud oma meditsiini ja mõned inimesed kontrollgrupis kuidagi said seda ravimit. See probleem, mida nimetatakse kahepoolne mittevastavus, nagu ka paljud muud probleemid on kirjeldatud üksikasjalikumalt mõningaid soovitatav kirjandus lõpus selle grupi.

Strateegia ära looduslikke juhuvaliku eelneb digitaalajastul, kuid levimus suur andmete muudab selle strateegia palju lihtsam kasutada. Kui sa mõistad, mõned ravi on määratud juhuslikult, suur andmeallikate võib anda tulemuse andmed, mida on vaja selleks, et võrrelda tulemusi inimeste ravi ja kontrolli tingimustes. Näiteks oma uurimuses mõju projekti ja ajateenistuse Angrist kasutanud kasum kirjed sotsiaalkindlustusamet; ilma selle tulemuse andmed, oma uurimuses ei oleks olnud võimalik. Sel juhul Social Security Administration on alati sees suur andmete allikas. Kuna üha enam automaatselt kogutud andmete allikad on olemas, on meil rohkem tulemuse andmed, mida saab mõõta muutuste mõju loodud välistegurite variatsioon.

Selle illustreerimiseks strateegia digitaalajastul Vaatleme Mas Moretti on (2009) elegantne uuringuid mõju eakaaslased tootlikkusele. Kuigi pinnal võib see tunduda teistsugune kui Angrist uurimus mõjude kohta Vietnami eelnõu, struktuuri nad mõlemad järgivad mustrit võrrandis. 2.1.

Mas Moretti mõõta, kuidas eakaaslased tootlikkust mõjutavad töötajaid. Ühelt poolt, kellel on raske tööd peer võib viia töötajaid, et suurendada nende tootlikkust, kuna surve. Või teisest küljest, töökas peer võib viia teiste töötajate vaikne maha isegi rohkem. Kõige selgem viis õppida üksteiselt mõju tootlikkusele oleks randomiseeritud kontrollitud eksperimendi, kus töötajad määratakse juhuvaliku vahetuses töötajate erinevate tootlikkust ja siis tulemuseks tootlikkust mõõdetakse kõigile. Teadlased aga ei kontrolli ajakava töötajatele mingit tegelikku äri, ja nii Mas Moretti pidi toetuma loomulik eksperiment, mis toimus supermarket.

Just nagu ekv. 2.1, nende uuring toimus kahes osas. Esiteks, nad kasutasid palkide supermarketi kassas süsteem on täpne, individuaalne, ja alati-meede tootlikkuse: elementide arvu skaneeritud sekundis. Ja teiseks sellepärast, et see ajakava tehti seda supermarket, neil on lähedal juhuslik koosseis eakaaslastega. Teisisõnu, kuigi saatekavasse kassapidajad ei määra loterii, see oli sisuliselt juhuslik. Praktikas on usaldusväärsemad on meie loomulik eksperimendid sageli sõltub usutavuse see "kui-siis, kui" juhuslikult nõude. Kasutades ära seda juhuslikult variatsioon, Mas Moretti leitud, et töö kõrgem tootlikkus eakaaslastega suurendab tootlikkust. Lisaks Mas Moretti kasutatakse suurust ja rikkust oma andmekogumi liikuda hinnangul põhjuse-tagajärje, et uurida veel kaks olulist ja peent küsimused: heterogeensus selle toime (mille liiki töötajate mõju suurem) ja mehhanismi taga efekt (miks, millel on kõrge tootlikkus eakaaslastega viia suurema tootlikkuse). Me naaseb neid kahte olulist teemat-heterogeensust ravi mõju ja mehhanismid, 5. peatükis, kui me arutame eksperimendid üksikasjalikumalt.

Üldistades alates uuringuid mõju Vietnam eelnõu töötasude ja uuringu mõju eakaaslased tootlikkusele, tabel 2.3 võtab kokku muudele uuringutele, mis on see täpselt sama struktuur: kasutades alati-andmeallika mõõta mõne sündmuse . Tabelist 2.3 selgub, on loomulik eksperimendid on kõikjal, kui sa lihtsalt tean, kuidas neid otsida.

Praktikas teadlaste kasutada kahte erinevat strateegiat leidmiseks looduslikud eksperimendid, mis mõlemad võivad olla viljakad. Mõned teadlased alustada alati-andmeallika ja otsida juhuslikult maailmas; teised alustavad juhuslikult maailmas ja otsida andmeallikaid, et jäädvustada nende mõju. Lõpuks märgata, et jõudu looduslike eksperimentide tule mitte keerukuse statistilist analüüsi, kuid alates ravi avastanud õiglane võrdlus loodud õnneliku õnnetuse ajalugu.