2.4.1.1 Taksit New Yorkissa

Tutkija suurina tietoja taksimittarit tutkia päätöksenteon taksinkuljettajien New Yorkissa. Nämä tiedot oli hyvin tähän tutkimukseen.

Yksi esimerkki yksinkertainen teho laskee oikein tulee Henry Farber n (2015) tutkimus käyttäytymistä New Yorkin taksinkuljettajat. Vaikka tämä ryhmä ei ehkä kuulosta luonnostaan ​​kiinnostava se on strateginen tutkimus sivusto testaamiseen kaksi kilpailevaa teoriaa työn taloustieteen. Varten Farber tutkimus, on kaksi tärkeää ominaisuuksia työstä ympäristön taksinkuljettajien: 1) niiden tuntipalkka heilahtelee day-to-day, perustuu osittain tekijöiden, kuten sään ja 2) tuntimäärää ne toimivat voi vaihdella päivittäin perustuen kuljettajan päätöksiä. Nämä ominaisuudet johtavat mielenkiintoinen kysymys suhteesta tuntipalkka ja työtunteja. Uusklassinen malleja taloustieteen ennustavat taksinkuljettajat toimisi enemmän päivinä, jos niillä on korkeampi tuntipalkka. Vaihtoehtoisesti malleja talouskäyttäytyminen ennustaa täsmälleen päinvastainen. Jos kuljettajat asetettu tietty tulo kohde-sanoa 100 $-ja työ asti, että tavoite saavutetaan, niin kuljettajat päätyisi työskentelevät vähemmän tunnin aikana päivinä että ne ansaitsevat enemmän. Jos esimerkiksi olit kohde lähde, saatat päätyä työskentelevät 4 tuntia hyvänä päivänä ($ 25 per tunti) ja 5 tuntia huonona päivänä ($ 20: tä tunnissa). Joten, älä kuljettajat työskentelemään tunnin aikana päivinä korkeamman tuntipalkat (kuten ennustettu uusklassisen malleissa) tai enemmän tunnin aikana päivinä pienemmillä tuntipalkat (kuten ennustettu käyttäytymisen taloudellisia malleja)?

Tähän kysymykseen Farber saatu tiedot jokaisesta taksimatkan ottanut New York City vaatimustenmukaisuutta arvioivat elimet 2009 - 2013, tiedot, jotka ovat nyt julkisesti saatavilla . Tämä data-, joka kerättiin sähköisen metriä, että kaupunki vaatii taksit käyttämään-sisältää useita tietoja kutakin matkaa: alkamisaika, alkavat sijainti, päättymisaika, pää sijainti, hinta, ja kärki (jos kärki on maksettu kanssa luottokortti). Kaikkiaan Farber tiedot sisälsi tietoja noin 900 miljoonaa matkaa otettujen noin 40 miljoonaa siirtymät (siirtymä on suunnilleen yksi työpäivä yksi kuljettaja). Itse asiassa oli niin paljon tietoa, että Farber käytetään vain satunnaisotos se hänen analyysia. Käyttämällä tätä taksin mittari tiedot, Farber havaittu, että useimmat kuljettajat tekevät enemmän päiviä, jolloin palkat ovat korkeampia, sopusoinnussa uusklassinen teoria. Tämän lisäksi tärkein havainto, Farber pystyi hyödyntämään koko tietojen ymmärtämään paremmin heterogeenisyys ja dynamiikkaa. Farber havaitsi, että ajan myötä uudempia ajureita vähitellen opittava työskentelemään tuntia korkea palkka päivinä (esim he oppivat käyttäytymään kuin uusklassinen malleja ennustaa). Ja uudet kuljettajat, jotka toimivat enemmän tavoite earners ovat todennäköisesti lopettaa ollessa taksinkuljettaja. Molemmat hienovaraisempaa havaintoja, mikä auttaa selittämään havaittua käyttäytymistä nykyisten kuljettajien, oli mahdollista vain siksi, että koko aineisto. Ne olisi ollut mahdotonta havaita aikaisemmissa tutkimuksissa, että käytetty paperi matka arkkeja pieni joukko taksinkuljettajat lyhyessä ajassa (esim Camerer et al. (1997) ).

Farber tutkimuksessa oli lähellä parhaassa tapauksessa tutkimuksesta käyttäen iso tiedot. Ensinnäkin tiedot eivät olleet ei-edustava, koska kaupunki tarvittavat ohjaimet käyttää digitaalisia metriä. Ja data eivät olleet puutteellisia, koska tiedot, jotka kerättiin kaupunki oli melko lähellä tiedot, jotka Farber olisi kerännyt, jos hänellä olisi valinta (yksi ero on, että Farber olisi halunnut tietoja palkkasumma-hinnat plus Tips mutta kaupungin tiedot mukaan vain vihjeitä maksaa luottokortilla). Avain Farber n tutkimus yhdistyvät hyvä kysymys hyvä data. Tiedot eivät yksin riitä.