2.4.1.1 ನ್ಯೂಯಾರ್ಕ್ ಸಿಟಿ ಟ್ಯಾಕ್ಸಿಗಳು

ಸಂಶೋಧಕರು ನ್ಯೂಯಾರ್ಕ್ನ ಟ್ಯಾಕ್ಸಿ ಚಾಲಕರ ನಿರ್ಧಾರ ತಯಾರಿಕೆ ಅಧ್ಯಯನ ಟ್ಯಾಕ್ಸಿ ಮೀಟರ್ ದೊಡ್ಡ ದಶಮಾಂಶ ಬಳಸಲಾಗುತ್ತದೆ. ಈ ಡೇಟಾವನ್ನು ಈ ಸಂಶೋಧನೆಗೆ ಸೂಕ್ತವಾಗಿದ್ದವು.

ಸರಿಯಾದ ವಿಷಯ ಲೆಕ್ಕ ಸರಳ ಅಧಿಕಾರದ ಒಂದು ಉದಾಹರಣೆ ಹೆನ್ರಿ Farber ನ ಬರುತ್ತದೆ (2015) ನ್ಯೂಯಾರ್ಕ್ ಸಿಟಿ ಟ್ಯಾಕ್ಸಿ ಚಾಲಕರು ವರ್ತನೆಯನ್ನು ಅಧ್ಯಯನ. ಈ ಗುಂಪು ಅಂತರ್ಗತವಾಗಿ ಆಸಕ್ತಿದಾಯಕ ಧ್ವನಿ ಇರಬಹುದು ಆದರೂ ಇದು ಕಾರ್ಮಿಕ ಅರ್ಥವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಎರಡು ಸ್ಪರ್ಧಾತ್ಮಕ ಸಿದ್ಧಾಂತಗಳನ್ನು ಪರೀಕ್ಷಿಸುವುದಕ್ಕೆ ಒಂದು ಕಾರ್ಯತಂತ್ರದ ಸಂಶೋಧನೆ ತಾಣವಾಗಿದೆ. ಫಾರ್ಬರ್ ಸಂಶೋಧನಾ ಉದ್ದೇಶಗಳಿಗಾಗಿ, ಇವೆ ಟ್ಯಾಕ್ಸಿ ಚಾಲಕರ ಕೆಲಸ ಪರಿಸರದ ಬಗ್ಗೆ ಎರಡು ಪ್ರಮುಖ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು: 1) ತಮ್ಮ ಗಂಟೆಯ ವೇತನ ದಿನ ಯಾ ದಿನ, ಹವಾಮಾನ ಅಂಶಗಳು ಭಾಗಶಃ ಆಧರಿಸಿರುತ್ತದೆ ರಿಂದ ಏರಿಳಿತಗಳ ಮತ್ತು 2) ಅವರು ಕೆಲಸ ಗಂಟೆಗಳ ಸಂಖ್ಯೆ ಚಾಲಕ ನಿರ್ಧಾರಗಳನ್ನು ಆಧರಿಸಿ ಪ್ರತಿ ದಿನ ಏರಿಳಿಯಬಹುದು. ಈ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಕೆಲಸ ಗಂಟೆಯ ಸಂಬಳ ಮತ್ತು ಗಂಟೆಗಳ ನಡುವಿನ ಸಂಬಂಧದ ಬಗ್ಗೆ ಒಂದು ಕುತೂಹಲಕಾರಿ ಪ್ರಶ್ನೆ ಕಾರಣವಾಗಬಹುದು. ಅರ್ಥಶಾಸ್ತ್ರದಲ್ಲಿ ನಿಯೋಕ್ಲಾಸಿಕಲ್ ಮಾದರಿಗಳು ಅವರು ಹೆಚ್ಚಿನ ಗಂಟೆಯ ಸಂಬಳ ಹೊಂದಿವೆ ಟ್ಯಾಕ್ಸಿ ಚಾಲಕರು ದಿನಗಳಲ್ಲಿ ಹೆಚ್ಚು ಕೆಲಸ ಎಂದು ಊಹಿಸಲು. ಪರ್ಯಾಯವಾಗಿ, ವರ್ತನಾ ಸಂಬಂಧಿತ ಅರ್ಥಶಾಸ್ತ್ರ ಮಾದರಿಗಳು ನಿಖರವಾಗಿ ವಿರುದ್ಧ ಊಹಿಸಲು. ಚಾಲಕರು ನಿರ್ದಿಷ್ಟ ಆದಾಯ ಹೊಂದಿಸಿದಲ್ಲಿ ಪ್ರತಿ $ 100 ಗುರಿ ಹೇಳುತ್ತಾರೆ ದಿನ ಮತ್ತು ಕೆಲಸ ಗುರಿ ಭೇಟಿ ರವರೆಗೆ, ನಂತರ ಚಾಲಕರು ಅವರು ಹೆಚ್ಚು ಗಳಿಸಿದ ದಿನಗಳಲ್ಲಿ ಕಡಿಮೆ ಗಂಟೆಗಳ ಕೆಲಸ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ನೀವು ಒಂದು ಗುರಿ ಆದಾಯ ವೇಳೆ, ನೀವು ಉತ್ತಮ ದಿನ (ಪ್ರತಿ ಗಂಟೆಗೆ $ 25) ಮತ್ತು ಕೆಟ್ಟ ದಿನ (ಪ್ರತಿ ಗಂಟೆಗೆ $ 20) 5 ಗಂಟೆಗಳ ಕೆಲಸ 4 ಗಂಟೆಗಳ ಕೊನೆಗೊಳ್ಳುತ್ತದೆ ಇರಬಹುದು. ಆದ್ದರಿಂದ, ಚಾಲಕಗಳು (ವರ್ತನೆಯ ಆರ್ಥಿಕ ಮಾದರಿಗಳು ಭವಿಷ್ಯ) ಹೆಚ್ಚಿನ ಗಂಟೆಯ ಸಂಬಳ (ಮಾಹಿತಿ ನವಶಾಸ್ತ್ರೀಯ ಮಾದರಿಗಳು ಭವಿಷ್ಯ) ಅಥವಾ ಕಡಿಮೆ ಗಂಟೆಯ ಸಂಬಳ ದಿನಗಳಲ್ಲಿ ಹೆಚ್ಚು ಗಂಟೆಗಳ ದಿನಗಳಲ್ಲಿ ಹೆಚ್ಚು ಗಂಟೆಗಳ ಕೆಲಸ?

2013, ಈಗ ಡೇಟಾ - ಈ ಪ್ರಶ್ನೆಗೆ ಉತ್ತರಿಸಲು ಫಾರ್ಬರ್ 2009 ನ್ಯೂಯಾರ್ಕ್ ಸಿಟಿ ಕ್ಯಾಬ್ಗಳು ತೆಗೆದ ಪ್ರತಿ ಟ್ಯಾಕ್ಸಿ ಪ್ರವಾಸಕ್ಕೆ ಮಾಹಿತಿ ಪಡೆದುಕೊಂಡರು ಸಾರ್ವಜನಿಕವಾಗಿ ಲಭ್ಯವಿರುವ . ತುದಿ ಹಣ ವೇಳೆ ಸ್ಥಳ, ಎಂಡ್ ಸಮಯ, ಕೊನೆಯಲ್ಲಿ ಸ್ಥಳ, ಶುಲ್ಕ, ಮತ್ತು ಸಲಹೆ (ಆರಂಭಿಸಲು ಆರಂಭಿಸಲು ಸಮಯ: ಈ ಡೇಟಾ ಅದು ನಗರಕ್ಕೆ ಟ್ಯಾಕ್ಸಿಗಳು ಅಗತ್ಯವಿರುವ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಮೀಟರ್ ಸಂಗ್ರಹಿಸಿವೆ ಪ್ರತಿಯೊಂದು ಬಾರಿಯೂ ಮಾಹಿತಿಯನ್ನು ಅನೇಕ ತುಣುಕುಗಳನ್ನು ಬಳಸಲು ಒಳಗೊಂಡಿದೆ ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್). ಒಟ್ಟು, Farber ನ ಮಾಹಿತಿಯನ್ನು (ಶಿಫ್ಟ್ ಸುಮಾರು ಒಂದು ಚಾಲಕ ಒಂದು ದಿನದ ಕೆಲಸವಾಗಿದೆ) ಸುಮಾರು 40 ದಶಲಕ್ಷ ವರ್ಗಾವಣೆಗಳ ಸಮಯದಲ್ಲಿ ತೆಗೆದ ಸುಮಾರು 900 ಮಿಲಿಯನ್ ಪ್ರಯಾಣದಲ್ಲಿ ಮಾಹಿತಿ ಹೊಂದಿತ್ತು. ವಾಸ್ತವವಾಗಿ, ಫಾರ್ಬರ್ ಮಾತ್ರ ತಮ್ಮ ವಿಶ್ಲೇಷಣೆಗಾಗಿ ಇದು ಒಂದು ಯಾದೃಚ್ಛಿಕ ಸ್ಯಾಂಪಲ್ ಬಳಸಿದ ತುಂಬಾ ಡೇಟಾವನ್ನು ಆಗಿತ್ತು. ಈ ಟ್ಯಾಕ್ಸಿ ಮೀಟರ್ ಮಾಹಿತಿಯ, ಫಾರ್ಬರ್ ಹೆಚ್ಚಿನ ಚಾಲಕಗಳು ದಿನಗಳಲ್ಲಿ ಹೆಚ್ಚು ಕೆಲಸ ಎಂದು ವೇತನ ಸ್ಥಿರ ಹೆಚ್ಚಿನ, ಆಧುನಿಕ ಸಿದ್ಧಾಂತ ಆಗ ಕಂಡುಬಂದಿಲ್ಲ. ಈ ಮುಖ್ಯ ಕಂಡುಹಿಡಿಯುವ ಜೊತೆಗೆ, ಫಾರ್ಬರ್ ವಿವಿಧತೆಗಳ ಮತ್ತು ಡೈನಾಮಿಕ್ಸ್ ಒಂದು ಉತ್ತಮ ತಿಳುವಳಿಕೆ ಮಾಹಿತಿಯ ಗಾತ್ರವನ್ನು ಹತೋಟಿ ಸಾಧ್ಯವಾಯಿತು. ಫಾರ್ಬರ್ ಕಾಲಾನಂತರದಲ್ಲಿ ಹೊಸ ಚಾಲಕರು ಕ್ರಮೇಣ ಹೆಚ್ಚಿನ ವೇತನದ ದಿನಗಳಲ್ಲಿ ಹೆಚ್ಚು ಗಂಟೆಗಳ ಕೆಲಸ ಕಲಿಯಲು ಕಂಡುಕೊಂಡರು (ಉದಾಹರಣೆಗೆ, ಅವರು ನವಶಾಸ್ತ್ರೀಯ ಮಾದರಿಗಳು ಮುನ್ಸೂಚನೆ ವರ್ತಿಸುವಂತೆ ತಿಳಿಯಲು). ಮತ್ತು, ಹೆಚ್ಚು ಗುರಿ ಗಳಿಸುವ ವರ್ತಿಸುವುದು ಹೊಸ ಚಾಲಕರು ಟ್ಯಾಕ್ಸಿ ಚಾಲಕ ಎಂದು ಬಿಟ್ಟು ಸಾಧ್ಯತೆ ಹೆಚ್ಚು. ಪ್ರಸ್ತುತ ಚಾಲಕರು ವರ್ತನೆಯನ್ನು ವೀಕ್ಷಣೆಯು ವಿವರಿಸಲು ಸಹಾಯ ಈ ಹೆಚ್ಚು ಸೂಕ್ಷ್ಮ ಸಂಶೋಧನೆಗಳು, ಎರಡೂ ಏಕೆಂದರೆ ದತ್ತಾಂಶ ಗಾತ್ರದ ಮಾತ್ರ ಸಾಧ್ಯ. ಅವರು ಅಲ್ಪ ಅವಧಿಯಲ್ಲಿ (ಉದಾ ಮೇಲೆ ಟ್ಯಾಕ್ಸಿ ಚಾಲಕರು ಒಂದು ಸಣ್ಣ ಸಂಖ್ಯೆಯ ಕಾಗದದ ಟ್ರಿಪ್ ಶೀಟ್ಸ್ ಬಳಸುವ ಹಿಂದಿನ ಅಧ್ಯಯನಗಳಲ್ಲಿ ಪತ್ತೆ ಅಸಾಧ್ಯ Camerer et al. (1997) ).

Farber ನ ಅಧ್ಯಯನ ದೊಡ್ಡ ದಶಮಾಂಶ ಬಳಸಿಕೊಂಡು ಒಂದು ಅಧ್ಯಯನಕ್ಕೆ ಒಂದು ಉತ್ತಮ ಸಂದರ್ಭದಲ್ಲಿ ಹತ್ತಿರ. ಮೊದಲ, ಡೇಟಾ ನಗರ ಡಿಜಿಟಲ್ ಮೀಟರ್ ಬಳಸಲು ಅಗತ್ಯವಿರುವ ಡ್ರೈವರ್ಗಳನ್ನು ಏಕೆಂದರೆ ಅಲ್ಲದ ಪ್ರತಿನಿಧಿಸುತ್ತವೆ. ಮತ್ತು, ಡೇಟಾ ಸಿಟಿ ಸಂಗ್ರಹಿಸಿದ ಡೇಟಾವನ್ನು ಅವರು ಆಯ್ಕೆ ವೇಳೆ ಫಾರ್ಬರ್ ಸಂಗ್ರಹಿಸಿದ ಎಂದು ಡೇಟಾವನ್ನು ಸಾಕಷ್ಟು ನಿಕಟ ಏಕೆಂದರೆ ಅಲ್ಲ ಅಪೂರ್ಣವಾಗಿರುತ್ತಿತ್ತು (ಒಂದು ವ್ಯತ್ಯಾಸ ಫಾರ್ಬರ್ ಒಟ್ಟು ವೇತನ-ದರಗಳು ಜೊತೆಗೆ tips- ಬೇಕಾಗಿದ್ದಾರೆ ಡೇಟಾ ಹೊಂದಿರುತ್ತದೆ ಆದರೆ ನಗರದ ದಶಮಾಂಶ ಮಾತ್ರ ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ಮೂಲಕ ಹಣ ಸಲಹೆಗಳು ಒಳಗೊಂಡಿತ್ತು). Farber ನ ಸಂಶೋಧನೆಯ ಪ್ರಮುಖ ಉತ್ತಮ ಮಾಹಿತಿಯೊಂದಿಗೆ ಒಂದು ಒಳ್ಳೆಯ ಪ್ರಶ್ನೆ ತುಲನೆ. ಕೇವಲ ಡೇಟಾ ಸಾಕಾಗುವುದಿಲ್ಲ.