2.4.1.1 រថយន្តតាក់ស៊ីនៅទីក្រុងញូវយ៉ក

អ្នកស្រាវជ្រាវម្នាក់បានប្រើប្រាស់ទិន្នន័យធំមួយពីរថយន្តតាក់ស៊ីម៉ែត្រដើម្បីសិក្សាការធ្វើការសម្រេចចិត្តរបស់អ្នកបើកបរតាក់ស៊ីនៅទីក្រុង New York ។ ទិន្នន័យទាំងនេះត្រូវបានសមយ៉ាងល្អសម្រាប់ការស្រាវជ្រាវនេះ។

ឧទាហរណ៍មួយនៃអំណាចសាមញ្ញនៃការប៉ាន់ប្រមាណជារឿងត្រឹមត្រូវដែលបានមកពីការហិនរី Farber របស់ (2015) ការសិក្សានៃឥរិយាបទនៃការបើកបរតាក់ស៊ីទីក្រុងញូវយ៉ក។ ទោះបីជាក្រុមនេះអាចនឹងមិនមានសំឡេងគួរឱ្យចាប់អារម្មណ៍ថិវាជាតំបន់យុទ្ធសាស្រ្តសម្រាប់ការធ្វើតេស្តស្រាវជ្រាវប្រកួតប្រជែងចំនួនពីរនៅក្នុងទ្រឹស្តីសេដ្ឋកិច្ចពលកម្ម។ ចំពោះគោលបំណងនៃការស្រាវជ្រាវ Farber របស់លោកមានលក្ខណៈពិសេសសំខាន់ពីរអំពីបរិស្ថានការងាររបស់អ្នកបើកបរតាក់ស៊ី: 1) ប្រាក់អាទិត្យរបស់ពួកគេប្រែប្រួលពីមួយថ្ងៃទៅមួយថ្ងៃដោយផ្អែកមួយផ្នែកលើកត្តាដូចអាកាសធាតុនិងទី 2) ចំនួនម៉ោងដែលពួកគេបានធ្វើការ អាចប្រែប្រួលជារៀងរាល់ថ្ងៃដោយផ្អែកលើការសម្រេចចិត្តរបស់អ្នកបើកបរ។ លក្ខណៈពិសេសទាំងនេះនាំឱ្យមានសំណួរគួរឱ្យចាប់អារម្មណ៍អំពីទំនាក់ទំនងរវាងប្រាក់ឈ្នួលប្រចាំម៉ោងនិងម៉ោងធ្វើការ។ ម៉ូដែល Neoclassical ក្នុងផ្នែកសេដ្ឋកិច្ចបានព្យាករណ៍ថាអ្នកបើកបរតាក់ស៊ីនឹងធ្វើការបន្ថែមទៀតនៅលើថ្ងៃដែលជាកន្លែងដែលពួកគេមានប្រាក់ឈ្នួលប្រចាំម៉ោងខ្ពស់។ ជម្រើសម៉ូដែលពីសេដ្ឋកិច្ចអាកប្បកិរិយាទស្សន៍ទាយពិតជាផ្ទុយពីនេះ។ ប្រសិនបើអ្នកបើកបរកំណត់គោលដៅប្រាក់ចំណូលពិសេសបាននិយាយថា $ 100 ថ្ងៃនិងការងាររហូតដល់គោលដៅដែលត្រូវបានជួបប្រជុំគ្នា, បន្ទាប់មកអ្នកបើកបរនឹងបញ្ចប់ឡើងដែលធ្វើការតិចជាងមុនម៉ោងនៅថ្ងៃដែលពួកគេត្រូវបានគេរកប្រាក់ចំណូលបានកាន់តែច្រើន។ ឧទាហរណ៍ប្រសិនបើអ្នកត្រូវបានគេរកចំណូលគោលដៅមួយ, អ្នកអាចនឹងបញ្ចប់ឡើងដែលធ្វើការ 4 ម៉ោងក្នុងមួយថ្ងៃល្អ ($ 25 ក្នុងមួយម៉ោង) និង 5 ម៉ោងនៅថ្ងៃអាក្រក់ ($ 20 ក្នុងមួយម៉ោង) ។ ដូច្នេះ, តើអ្នកបើកបរធ្វើការច្រើនម៉ោងបន្ថែមទៀតលើប្រាក់ឈ្នួលខ្ពស់ជាងមុនថ្ងៃជាមួយរាល់ម៉ោង (ដូចបានព្យាករដោយម៉ូដែល Neoclassical) ឬច្រើនជាងនេះនៅថ្ងៃម៉ោងជាមួយនឹងប្រាក់ឈ្នួលប្រចាំម៉ោងទាប (ដូចបានព្យាករដោយសេដ្ឋកិច្ចអាកប្បកិរិយាម៉ូដែល)?

ដើម្បីឆ្លើយសំណួរនេះ Farber ទទួលបានធ្វើដំណើរនៅលើឡានតាក់ស៊ីទិន្នន័យនាំយកដោយតាក់ស៊ីគ្រប់ទីក្រុងញូវយ៉កពី 2009 - 2013, ទិន្នន័យដែលឥឡូវនេះ អាចប្រើបានជាសាធារណៈ ។ ទិន្នន័យដែលត្រូវបានប្រមូលដោយម៉ែត្រអេឡិចត្រូនិថាទីក្រុងនេះតម្រូវឱ្យរថយន្តតាក់ស៊ីទៅនេះប្រើរួមបញ្ចូលបំណែកជាច្រើននៃពសម្រាប់ការធ្វើដំណើរគ្នា: ចាប់ផ្តើមនៅពេលចាប់ផ្តើមទីតាំងពេលចុងទីតាំងចុង, ថ្លៃសំបុត្រធ្វើដំណើរនិងចុង (ប្រសិនបើចុងម្ជុលត្រូវបានបង់ជាមួយនឹងការ កាត​ឥណទាន)។ ជាសរុបទិន្នន័យ Farber អំពីរបស់ដែលមានចំនួនប្រមាណ 900 លាននាក់ធ្វើដំណើរការថតក្នុងពេលប្រមាណ 40 លាននាក់ការផ្លាស់ប្តូរ (ការផ្លាស់ប្តូរគឺប្រហែលការងារមួយថ្ងៃសម្រាប់កម្មវិធីបញ្ជាមួយ) ។ នៅក្នុងការពិត, មានទិន្នន័យច្រើនដូច្នេះគឺថា Farber ប្រើតែគំរូចៃដន្យរបស់វាសម្រាប់ការវិភាគរបស់គាត់។ ប្រើទិន្នន័យម៉ែត្រតាក់ស៊ីនេះ Farber ភាគច្រើនបានរកឃើញថាអ្នកបើកបរនៅលើថ្ងៃធ្វើការឱ្យកាន់តែប្រាក់ឈ្នួលខ្ពស់នៅពេលដែលស្របជាមួយនឹងទ្រឹស្តី Neoclassical នេះ។ លើសពីនេះទៀតការរកឃើញសំខាន់នេះ Farber អាចពង្រីកទំហំនៃទិន្នន័យសម្រាប់ការយល់ដឹងកាន់តែប្រសើរឡើងនៃការវិសភាគនិងសក្ដានុពល។ Farber បានរកឃើញថាអ្នកបើកបរថ្មីជាងពេលដើម្បីធ្វើការបណ្តើររៀនបានច្រើនម៉ោងនៅថ្ងៃឈ្នួលខ្ពស់ (ឧទាហរណ៍, ពួកគេបានរៀនដើម្បីមានឥរិយាបទជាគំរូ Neoclassical ព្យាករថា) ។ ហើយកម្មវិធីបញ្ជាថ្មីដែលមានឥរិយាបទជាច្រើនទៀតដូចអ្នកដែលមានប្រាក់គោលដៅទំនងបន្ថែមទៀតដើម្បីកុំឱ្យបើកបរតាក់ស៊ី។ ទាំងពីរនៃការរកឃើញច្បាស់បន្ថែមទៀតទាំងនេះដែលបានជួយពន្យល់ពីឥរិយាបថរបស់អ្នកបើកបរនាពេលបច្ចុប្បន្នសង្កេតឃើញត្រូវបានគេអាចធ្វើបានតែដោយសារតែទំហំនៃសំណុំទិន្នន័យនេះ។ ពួកគេនឹងត្រូវបានមិនអាចទៅរួចទេដើម្បីរកឃើញនៅក្នុងការសិក្សាមុនដែលបានប្រើសន្លឹកក្រដាសពីដំណើរទស្សនកិច្ចចំនួនតូចមួយនៃអ្នកបើកបរតាក់ស៊ីក្នុងរយៈពេលខ្លីនៃពេលវេលា (ឧ Camerer et al. (1997) ) ។

ការសិក្សា Farber គឺជិតស្និទ្ធទៅនឹងករណីបំផុតសម្រាប់សិក្សាដោយប្រើប្រាស់ទិន្នន័យធំមួយ។ ដំបូង, ទិន្នន័យមិនត្រូវបានតំណាងដោយសារតែមិនមែនជាការដែលតម្រូវឱ្យអ្នកបើកបរក្នុងទីក្រុងក្នុងការប្រើប្រាស់ម៉ែត្រឌីជីថល។ ហើយទិន្នន័យមិនត្រូវបានមិនពេញលេញដោយសារតែទិន្នន័យដែលត្រូវបានប្រមូលដោយទីក្រុងនេះគឺស្អាតជិតស្និទ្ធទៅនឹងទិន្នន័យដែលបានប្រមូលនឹង Farber តើគាត់មានជម្រើស (ភាពខុសគ្នានោះគឺថាការ Farber នឹងមានទិន្នន័យស្តីពីប្រាក់ឈ្នួលថ្លៃសំបុត្រធ្វើដំណើរចង់សរុបបូក tips- ប៉ុន្តែទិន្នន័យដែលទីក្រុងដែលបានរួមបញ្ចូលតែគន្លឹះបង់ដោយកាតឥណទាន) ។ គន្លឹះក្នុងការស្រាវជ្រាវ Farber នេះត្រូវបានរួមបញ្ចូលគ្នារវាងសំណួរល្អជាមួយនឹងទិន្នន័យដែលល្អ។ ទិន្នន័យនេះតែម្នាក់ឯងគឺមិនគ្រប់គ្រាន់។