ປະສົບການໃນການວັດແທກສິ່ງທີ່ເກີດຂຶ້ນ. ກົນໄກການອະທິບາຍວ່າເປັນຫຍັງແລະເຮັດແນວໃດມັນເກີດຂຶ້ນ.
ຄວາມຄິດທີ່ສໍາຄັນທີສາມສໍາລັບການເຄື່ອນຍ້າຍຜ່ານການທົດລອງທີ່ງ່າຍດາຍແມ່ນ ກົນໄກ . ກົນໄກບອກພວກເຮົາ ວ່າເປັນຫຍັງ ຫຼື ວິທີ ການປິ່ນປົວທີ່ເຮັດໃຫ້ຜົນກະທົບ. ຂະບວນການຊອກຫາກົນໄກກໍ່ແມ່ນບາງຄັ້ງເອີ້ນວ່າຊອກຫາ ຕົວແປ intervening ຫຼື ຕົວແປການໄກ່ເກ່ຍ . ເຖິງແມ່ນວ່າການທົດລອງແມ່ນດີສໍາລັບການຄາດຄະເນຜົນກະທົບທາງດ້ານຜົນກະທົບ, ພວກມັນກໍ່ບໍ່ໄດ້ຖືກອອກແບບເພື່ອເປີດເຜີຍກົນໄກ. ການທົດລອງດິຈິຕອນສາມາດຊ່ວຍພວກເຮົາໃຫ້ລະບຸກົນໄກໃນສອງທາງ: (1) ພວກເຂົາຊ່ວຍໃຫ້ພວກເຮົາເກັບກໍາຂໍ້ມູນຂະບວນການຫຼາຍກວ່າແລະ (2) ພວກເຂົາຊ່ວຍໃຫ້ພວກເຮົາທົດສອບການປິ່ນປົວຕ່າງໆທີ່ກ່ຽວຂ້ອງ.
ເນື່ອງຈາກວ່າກົນໄກມີຄວາມຫຍຸ້ງຍາກໃນການກໍານົດຢ່າງເປັນທາງການ (Hedström and Ylikoski 2010) , ຂ້າພະເຈົ້າຈະເລີ່ມຕົ້ນດ້ວຍຕົວຢ່າງງ່າຍໆ: limes ແລະ scurvy (Gerber and Green 2012) . ໃນສະຕະວັດທີສິບແປດ, ທ່ານຫມໍມີຄວາມຮູ້ສຶກທີ່ດີທີ່ສຸດວ່າເມື່ອພວກທະຫານເຮືອກິນເຂົ້າຈີ່, ພວກເຂົາບໍ່ໄດ້ຮັບບາດເຈັບ. Scurvy ເປັນພະຍາດທີ່ຮ້າຍແຮງ, ດັ່ງນັ້ນນີ້ແມ່ນຂໍ້ມູນທີ່ມີປະສິດທິພາບ. ແຕ່ທ່ານຫມໍເຫຼົ່ານີ້ບໍ່ຮູ້ວ່າ ເປັນຫຍັງພວກເພິ່ນ ໄດ້ປ້ອງກັນການບາດເຈັບ. ມັນບໍ່ແມ່ນຈົນເຖິງປີ 1932, ເກືອບ 200 ປີຕໍ່ມາ, ວ່ານັກວິທະຍາສາດສາມາດສະແດງໃຫ້ເຫັນວ່າວິຕາມິນ C ແມ່ນເຫດຜົນທີ່ວ່າປູນຂາວທີ່ສາມາດປ້ອງກັນບໍ່ໃຫ້ກະເພາະລໍາໄສ້ (Carpenter 1988, 191) . ໃນກໍລະນີນີ້, ວິຕາມິນຊີແມ່ນ ກົນໄກ ໂດຍຜ່ານການຫລອດເລືອດສະກັດກັ້ນ (ຮູບ 410). ແນ່ນອນ, ການກໍານົດກົນໄກກໍ່ແມ່ນວິທະຍາສາດທີ່ມີຄວາມສໍາຄັນຫຼາຍຢ່າງທີ່ກ່ຽວກັບຄວາມເຂົ້າໃຈກ່ຽວກັບເຫດຜົນທີ່ເກີດຂຶ້ນ. ການກໍານົດກົນໄກແມ່ນສໍາຄັນຫຼາຍ. ເມື່ອພວກເຮົາເຂົ້າໃຈວ່າເປັນຫຍັງການປິ່ນປົວເຮັດວຽກ, ເຮົາສາມາດພັດທະນາການປິ່ນປົວໃຫມ່ທີ່ເຮັດວຽກໄດ້ດີກວ່າ.
ແຕ່ຫນ້າເສຍດາຍ, ກົນໄກການໂດດດ່ຽວແມ່ນມີຄວາມຫຍຸ້ງຍາກຫຼາຍ. ບໍ່ເຫມືອນກັບ limes ແລະ scurvy, ໃນສະຖານທີ່ສັງຄົມຫຼາຍ, ການປິ່ນປົວອາດຈະດໍາເນີນການໂດຍຜ່ານທາງທີ່ກ່ຽວຂ້ອງກັນຫຼາຍ. ຢ່າງໃດກໍຕາມ, ໃນກໍລະນີຂອງມາດຕະຖານທາງດ້ານສັງຄົມແລະການນໍາໃຊ້ພະລັງງານ, ນັກຄົ້ນຄວ້າໄດ້ພະຍາຍາມແຍກແຍກກົນໄກໂດຍການເກັບກໍາຂໍ້ມູນຂະບວນການແລະການທົດສອບການທົດສອບທີ່ກ່ຽວຂ້ອງ.
ວິທີຫນຶ່ງເພື່ອທົດສອບກົນໄກທີ່ເປັນໄປໄດ້ແມ່ນການເກັບກໍາຂໍ້ມູນກ່ຽວກັບວິທີການປິ່ນປົວທີ່ມີຜົນກະທົບຕໍ່ກົນໄກທີ່ເປັນໄປໄດ້. ຕົວຢ່າງເຊັ່ນ, ຂໍເຕືອນວ່າ Allcott (2011) ສະແດງໃຫ້ເຫັນວ່າຫນ້າທໍາອິດພະລັງງານການລາຍງານເຮັດໃຫ້ປະຊາຊົນຫຼຸດລົງການນໍາໃຊ້ໄຟຟ້າຂອງພວກເຂົາ. ແຕ່ວິທີການເຫຼົ່ານີ້ເຮັດລາຍການໃຊ້ພະລັງງານໄຟຟ້າໄດ້ແນວໃດ? ກົນໄກແມ່ນຫຍັງ? ໃນການສຶກສາຕິດຕາມກວດກາ, Allcott and Rogers (2014) ຮ່ວມມືກັບບໍລິສັດໄຟຟ້າທີ່ຜ່ານໂຄງການຍົກເລີກ, ໄດ້ຮັບຂໍ້ມູນຂ່າວສານກ່ຽວກັບຜູ້ບໍລິໂພກຍົກລະດັບເຄື່ອງໃຊ້ຂອງພວກເຂົາໃຫ້ມີຮູບແບບພະລັງງານຫຼາຍ. Allcott and Rogers (2014) ພົບວ່າມີຄົນຫຼາຍທີ່ໄດ້ຮັບຫນ້າທໍາອິດພະລັງງານບ້ານໄດ້ປັບປຸງເຄື່ອງໃຊ້ຂອງເຂົາເຈົ້າ. ແຕ່ຄວາມແຕກຕ່າງນີ້ແມ່ນຂະຫນາດນ້ອຍດັ່ງນັ້ນມັນສາມາດບັນລຸພຽງແຕ່ 2% ຂອງການຫຼຸດລົງໃນການນໍາໃຊ້ພະລັງງານໃນຄົວເຮືອນທີ່ໄດ້ຮັບການປິ່ນປົວເທົ່ານັ້ນ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ການປັບປຸງເຄື່ອງໃຊ້ບໍ່ແມ່ນກົນໄກທີ່ເດັ່ນຊັດໂດຍຜ່ານການລາຍງານພະລັງງານບ້ານທີ່ຫຼຸດລົງການໃຊ້ໄຟຟ້າ.
ວິທີທີສອງໃນການສຶກສາກົນແມ່ນການດໍາເນີນການປະສົບການທີ່ມີການແຕກຕ່າງກັນເລັກນ້ອຍຂອງການປິ່ນປົວ. ຕົວຢ່າງ, ໃນການທົດລອງຂອງ Schultz et al. (2007) ແລະທັງຫມົດຂອງການທົດລອງບົດລາຍງານພະລັງງານບ້ານຄັ້ງທໍາອິດ, ຜູ້ເຂົ້າຮ່ວມໄດ້ມີການປິ່ນປົວທີ່ມີສອງພາກສ່ວນຕົ້ນຕໍ (1) ຄໍາແນະນໍາກ່ຽວກັບການປະຫຍັດພະລັງງານແລະ (2) ຂໍ້ມູນກ່ຽວກັບການນໍາໃຊ້ພະລັງງານຂອງພວກເຂົາທຽບກັບຫມູ່ເພື່ອນຂອງພວກເຂົາ (ຮູບທີ່ 4.6). ດັ່ງນັ້ນ, ມັນແມ່ນຄວາມເປັນໄປໄດ້ທີ່ຄໍາແນະນໍາການປະຫຍັດພະລັງງານແມ່ນເຫດຜົນທີ່ເກີດຈາກການປ່ຽນແປງ, ບໍ່ແມ່ນຂໍ້ມູນຂອງເພື່ອນ. ເພື່ອພິຈາລະນາຄວາມເປັນໄປໄດ້ວ່າຄໍາແນະນໍາຢ່າງດຽວອາດຈະມີພຽງພໍ, Ferraro, Miranda, and Price (2011) ຮ່ວມມືກັບບໍລິສັດນ້ໍາໃກ້ Atlanta, Georgia ແລະແລ່ນທົດລອງກ່ຽວກັບການອະນຸລັກນ້ໍາປະມານ 100,000 ຄົວເຮືອນ. ມີສີ່ເງື່ອນໄຂຄື:
ນັກຄົ້ນຄວ້າໄດ້ພົບວ່າການປິ່ນປົວພຽງແຕ່ຄໍາແນະນໍາບໍ່ມີຜົນຕໍ່ການນໍາໃຊ້ນ້ໍາໃນໄລຍະສັ້ນ (ຫນຶ່ງປີ), ຂະຫນາດກາງ (ສອງປີ) ແລະໄລຍະຍາວ (ສາມປີ). ຄໍາແນະນໍາທີ່ບວກກັບການປິ່ນປົວທີ່ເຮັດໃຫ້ຜູ້ເຂົ້າຮ່ວມຫຼຸດຜ່ອນການນໍາໃຊ້ນ້ໍາ, ແຕ່ວ່າພຽງແຕ່ໃນໄລຍະສັ້ນ. ສຸດທ້າຍ, ຄໍາແນະນໍາເພີ່ມເຕີມການອຸທອນແລະການປິ່ນປົວຂໍ້ມູນຂ່າວສານຂອງເພື່ອນຮ່ວມກັນເຮັດໃຫ້ການນໍາໃຊ້ລົດລົງໃນໄລຍະສັ້ນ, ກາງແລະຍາວ (ຮູບພາບ 4.11). ປະເພດເຫຼົ່ານີ້ຂອງການທົດລອງທີ່ມີການປິ່ນປົວ unbundled ແມ່ນວິທີການທີ່ດີທີ່ຈະຄິດອອກວ່າສ່ວນຫນຶ່ງຂອງການປິ່ນປົວ - ຫຼືພາກສ່ວນໃດຫນຶ່ງທີ່ຮ່ວມກັນ - ແມ່ນສິ່ງທີ່ເຮັດໃຫ້ຜົນກະທົບ (Gerber and Green 2012, sec. 10.6) . ຕົວຢ່າງ, ການທົດລອງຂອງ Ferraro ແລະເພື່ອນຮ່ວມງານສະແດງໃຫ້ເຫັນວ່າຄໍາແນະນໍາທີ່ຊ່ວຍປະຫຍັດນ້ໍາພຽງແຕ່ບໍ່ພຽງພໍທີ່ຈະຫຼຸດລົງການນໍາໃຊ້ນ້ໍາ.
ໃນທາງກົງກັນຂ້າມ, ຄົນຫນຶ່ງຈະຍ້າຍອອກຈາກຂັ້ນຕອນຂອງການປະກອບສ່ວນ (ເຄັດລັບ, ຄໍາແນະນໍາ, ບວກກັບຄໍາແນະນໍາ, ແນະນໍາບວກກັບຂໍ້ມູນຂ່າວສານຂອງເພື່ອນມິດ) ກັບການອອກແບບ factorial ເຕັມຮູບແບບ - ບາງຄັ້ງກໍ່ເອີ້ນວ່າການອອກແບບ factorial- \(2^k\) . ສາມອົງປະກອບແມ່ນການທົດສອບ (ຕາຕະລາງ 4.1). ໂດຍການທົດສອບທຸກປະສົມປະສານຂອງອົງປະກອບທີ່ເປັນໄປໄດ້, ນັກຄົ້ນຄວ້າສາມາດປະເມີນຜົນກະທົບຂອງແຕ່ລະອົງປະກອບໃນການໂດດດ່ຽວແລະໃນການປະສົມປະສານ. ຕົວຢ່າງ, ການທົດລອງຂອງ Ferraro ແລະເພື່ອນຮ່ວມງານບໍ່ໄດ້ເປີດເຜີຍວ່າການປຽບທຽບຂອງຄົນດຽວກັນຈະມີພຽງພໍທີ່ຈະເຮັດໃຫ້ມີການປ່ຽນແປງໃນໄລຍະຍາວໃນພຶດຕິກໍາ. ໃນໄລຍະຜ່ານມາ, ການອອກແບບຄວາມເປັນຈິງເຕັມຮູບແບບເຫຼົ່ານີ້ມີຄວາມຫຍຸ້ງຍາກທີ່ຈະດໍາເນີນການຍ້ອນວ່າພວກເຂົາຮຽກຮ້ອງໃຫ້ມີຜູ້ເຂົ້າຮ່ວມຈໍານວນຫລາຍແລະພວກເຂົາຕ້ອງການໃຫ້ນັກຄົ້ນຄວ້າສາມາດຄວບຄຸມແລະສົ່ງຈໍານວນການປິ່ນປົວຢ່າງຊັດເຈນ. ແຕ່ໃນບາງສະຖານະການ, ອາຍຸຍຸກດິຈິຕອນກໍາຈັດບັນດາຂໍ້ຈໍາກັດດ້ານການຂົນສົ່ງເຫຼົ່ານີ້.
ການປິ່ນປົວ | ຄຸນລັກສະນະ |
---|---|
1 | ການຄວບຄຸມ |
2 | ຄໍາແນະນໍາ |
3 | ການອຸທອນ |
4 | ຂໍ້ມູນຂ່າວສານຂອງເພື່ອນມິດ |
5 | ເຄັດລັບ + ການອຸທອນ |
6 | ຄໍາແນະນໍາ + ຂໍ້ມູນຂ່າວສານເພື່ອນມິດ |
7 | ການຮຽກຮ້ອງ + ຂໍ້ມູນຂ່າວສານຂອງເພື່ອນມິດ |
8 | ຂໍ້ມູນຂ່າວສານ + ການອຸທອນ + ຂໍ້ມູນຂ່າວສານເພື່ອນມິດ |
ໂດຍສະຫຼຸບແລ້ວ, ກົນໄກ - ເສັ້ນທາງທີ່ຜ່ານການປິ່ນປົວມີຜົນກະທົບແມ່ນມີຄວາມສໍາຄັນຫຼາຍ. ການທົດລອງດິຈິຕອລສາມາດຊ່ວຍນັກຄົ້ນຄວ້າໄດ້ຮຽນຮູ້ກ່ຽວກັບກົນໄກໂດຍ (1) ການເກັບກໍາຂໍ້ມູນຂະບວນການແລະ (2) ເຮັດໃຫ້ການອອກແບບເຕັມຮູບແບບ. ກົນໄກທີ່ແນະນໍາໂດຍວິທີການເຫຼົ່ານີ້ສາມາດທົດສອບໂດຍກົງໂດຍການທົດລອງທີ່ຖືກອອກແບບມາເພື່ອທົດສອບກົນໄກ (Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016) .
ໃນທັງຫມົດ, ທັງສາມແນວຄວາມຄິດ - ຄວາມຖືກຕ້ອງ, ຄວາມບໍ່ເທົ່າທຽມກັນຂອງຜົນກະທົບດ້ານການປິ່ນປົວ, ແລະກົນໄກ - ສະຫນອງແນວຄວາມຄິດທີ່ມີປະສິດທິພາບສໍາລັບການອອກແບບແລະແປຄວາມປະສົບຜົນການທົດລອງ. ແນວຄິດເຫຼົ່ານີ້ຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າກ້າວໄປໄກກວ່າການທົດລອງທີ່ງ່າຍໆກ່ຽວກັບສິ່ງທີ່ "ເຮັດວຽກ" ກັບການທົດລອງທີ່ມີການເຊື່ອມຕໍ່ທີ່ເຄັ່ງຄັດກັບທິດສະດີເຊິ່ງສະແດງໃຫ້ເຫັນວ່າບ່ອນໃດແລະເປັນຫຍັງການປິ່ນປົວເຮັດວຽກແລະກໍ່ຊ່ວຍໃຫ້ນັກຄົ້ນຄວ້າອອກແບບການປິ່ນປົວທີ່ມີປະສິດຕິຜົນຫຼາຍຂຶ້ນ. ເນື່ອງຈາກພື້ນຖານແນວຄິດນີ້ກ່ຽວກັບປະສົບການ, ຕອນນີ້ຂ້ອຍຈະຫັນໄປຫາວິທີທີ່ທ່ານສາມາດເຮັດໃຫ້ປະສົບການຂອງທ່ານເກີດຂຶ້ນ.