ປະສົບການທໍາມະຊາດໃຊ້ເວລາປະໂຫຍດຂອງເຫດການໃນໂລກ. ກໍລະນີທີ່ໄປ + ສະເຫມີໄປ, ໃນລະບົບຂໍ້ມູນ = ການທົດລອງທໍາມະຊາດ
ທີ່ສໍາຄັນເພື່ອບັນການທົດລອງການຄວບຄຸມເຮັດໃຫ້ການປຽບທຽບຄວາມຍຸຕິທໍາແມ່ນ Random ໄດ້. ຢ່າງໃດກໍຕາມ, ເປັນບາງໂອກາດບາງສິ່ງບາງຢ່າງທີ່ເກີດຂຶ້ນໃນໂລກທີ່ເປັນກໍາຫນົດປະຊາຊົນເຂົ້າຫຼືເກືອບເຂົ້າກັບການປິ່ນປົວທີ່ແຕກຕ່າງກັນ. ຫນຶ່ງໃນຕົວຢ່າງທີ່ຊັດເຈນຂອງແຜນຍຸດທະສາດຂອງການນໍາໃຊ້ປະສົບການທໍາມະຊາດທີ່ໄດ້ມາຈາກການຄົ້ນຄວ້າຂອງ Angrist (1990) ທີ່ວັດແທກຜົນກະທົບຂອງການບໍລິການຂອງທະຫານທີ່ກ່ຽວກັບລາຍຮັບຈາກການ.
ໃນໄລຍະສົງຄາມຢູ່ຫວຽດນາມ, ສະຫະລັດອາເມລິກາເພີ່ມຂຶ້ນຂະຫນາດຂອງກໍາລັງປະກອບອາວຸດຂອງຕົນໂດຍຜ່ານການຮ່າງ. ໃນຄໍາສັ່ງທີ່ຈະຕັດສິນໃຈທີ່ປະຊາຊົນຈະໄດ້ຮັບການເອີ້ນວ່າເຂົ້າໄປໃນການບໍລິການ, ລັດຖະບານສະຫະລັດໄດ້ຈັດຂຶ້ນ lottery ໄດ້. ທຸກວັນເດືອນປີເກີດໄດ້ເປັນຕົວແທນກ່ຽວກັບການສິ້ນຂອງເຈ້ຍໄດ້, ແລະເອກະສານເຫຼົ່ານີ້ໄດ້ຖືກຈັດໃສ່ໃນກະປ໋ອງແກ້ວເປັນຂະຫນາດໃຫຍ່. ໃນຖານະເປັນສະແດງໃຫ້ເຫັນໃນຮູບສະແດງທີ 25, ຄວາມຜິດພາດພຽງນີ້ຂອງເຈ້ຍໄດ້ຖືກດຶງອອກມາຈາກກະປ໋ອງຫນຶ່ງໃນເວລາທີ່ກໍານົດຄໍາສັ່ງທີ່ຜູ້ຊາຍໄວຫນຸ່ມຈະໄດ້ຮັບການເອີ້ນວ່າການບໍລິການ (ແມ່ຍິງໄວຫນຸ່ມແມ່ນບໍ່ມີການຮ່າງ). ອີງໃສ່ຜົນໄດ້ຮັບ, ຜູ້ຊາຍເກີດໃນວັນທີ 14 ກັນຍາໄດ້ຖືກເອີ້ນວ່າທໍາອິດ, ຜູ້ຊາຍເກີດໃນວັນທີ 24 ເມສາໄດ້ຖືກເອີ້ນວ່າສອງ, ແລະອື່ນໆ. ໃນທີ່ສຸດ, ໃນ lottery ນີ້, ຜູ້ຊາຍທີ່ເກີດໃນ 195 ມື້ທີ່ແຕກຕ່າງກັນໄດ້ຮັບການເອີ້ນວ່າການບໍລິການໃນຂະນະທີ່ຜູ້ຊາຍເກີດໃນ 171 ວັນບໍ່ໄດ້ຖືກເອີ້ນວ່າ.
ເຖິງແມ່ນວ່າມັນອາດຈະບໍ່ປາກົດຂື້ນທັນທີທັນໃດ, ຮ່າງ lottery ມີຄວາມຄ້າຍຄືກັນທີ່ສໍາຄັນກັບການທົດລອງການຄວບຄຸມບັນ: ໃນສະຖານະການຜູ້ເຂົ້າຮ່ວມຈະມອບຫມາຍໃຫ້ເຂົ້າຈະໄດ້ຮັບການປິ່ນປົວ. ໃນກໍລະນີຂອງຮ່າງ lottery ໄດ້, ຖ້າຫາກວ່າພວກເຮົາມີຄວາມສົນໃຈໃນການຮຽນຮູ້ກ່ຽວກັບຜົນກະທົບຂອງຮ່າງມີສິດໄດ້ຮັບແລະການບໍລິການການທະຫານກັບລາຍໄດ້ຂອງຕະຫຼາດແຮງງານຕໍ່ໄປ, ພວກເຮົາສາມາດສົມທຽບຜົນໄດ້ຮັບສໍາລັບປະຊາຊົນທີ່ມີວັນເກີດໄດ້ຂ້າງລຸ່ມ cutoff lottery ໄດ້ (ຕົວຢ່າງ:, ກັນຍາ 14, ເມສາ 24, ແລະອື່ນໆ) ກັບຜົນໄດ້ຮັບສໍາລັບປະຊາຊົນທີ່ມີວັນເດືອນປີເກີດໄດ້ຫຼັງຈາກທີ່ກໍານົດສຸດທ້າຍ (ຕົວຢ່າງ, ເດືອນກຸມພາ 20, 2 ທັນວາ, ແລະອື່ນໆ).
ເນື່ອງຈາກວ່າການປິ່ນປົວຂອງກໍາລັງຮ່າງນີ້ໄດ້ຖືກມອບຫມາຍໃຫ້ເຂົ້າ, ພວກເຮົາຫຼັງຈາກນັ້ນສາມາດວັດແທກຜົນກະທົບຂອງການປິ່ນປົວນີ້ສໍາລັບຜົນໄດ້ຮັບທີ່ໄດ້ຮັບມາດຕະການ. ສໍາລັບການຍົກຕົວຢ່າງ, Angrist (1990) ອະນຸຍາດຂໍ້ມູນກ່ຽວກັບຜູ້ທີ່ໄດ້ຖືກຄັດເລືອກເຂົ້າໃນຮ່າງທີ່ມີຂໍ້ມູນລາຍໄດ້ທີ່ຖືກເກັບກໍາໂດຍອົງການປະກັນສັງຄົມທີ່ຈະສະຫຼຸບວ່າລາຍຮັບຂອງນັກຮົບເກົ່າສີຂາວໄດ້ປະມານ 15% ຕ່ໍາກວ່າລາຍໄດ້ຂອງການປຽບທຽບທີ່ບໍ່ແມ່ນທະຫານຜ່ານເສິກ, ໄດ້ . ການຄົ້ນຄວ້າອື່ນໆໄດ້ນໍາໃຊ້ເປັນ trick ທີ່ຄ້າຍຄືກັນເຊັ່ນດຽວກັນ. ສໍາລັບການຍົກຕົວຢ່າງ, Conley and Heerwig (2011) ອະນຸຍາດຂໍ້ມູນກ່ຽວກັບຜູ້ທີ່ໄດ້ຖືກຄັດເລືອກເຂົ້າໃນຮ່າງກັບຂໍ້ມູນຄົວເຮືອນທີ່ເກັບມາຈາກການສໍາຫລວດ 2000 ສໍາມະໂນຄົວແລະ 2005 American Community ແລະພົບເຫັນວ່າດັ່ງນັ້ນຍາວຫຼັງຈາກຮ່າງ, ມີຜົນກະທົບໃນໄລຍະຍາວພຽງເລັກນ້ອຍຂອງ ການບໍລິການການທະຫານກັບຊະນິດຂອງຜົນໄດ້ຮັບເຊັ່ນ: ການຄອບຄອງທີ່ຢູ່ອາໄສ (ການເປັນເຈົ້າຂອງກັບການໃຫ້ເຊົ່າ) ແລະສະຖຽນລະພາບທີ່ຢູ່ອາໄສ (ຄວາມເປັນໄປໄດ້ຂອງໄດ້ຍ້າຍໃນທີ່ຜ່ານມາຫ້າປີ).
ໃນຖານະເປັນຕົວຢ່າງນີ້ສະແດງໃຫ້ເຫັນ, ບາງຄັ້ງສັງຄົມ, ທາງດ້ານການເມືອງ, ຫຼືທໍາມະຊາດກໍາລັງສ້າງປະຫຼືຢູ່ໃກ້ກັບປະສົບການທີ່ສາມາດ leveraged ໂດຍນັກຄົ້ນຄວ້າ. ປົກກະຕິແລ້ວປະສົບການທໍາມະຊາດເປັນວິທີທີ່ດີທີ່ສຸດເພື່ອປະເມີນສາຍພົວພັນສາເຫດແລະຜົນກະທົບໃນການປັບຄ່າບ່ອນທີ່ມັນບໍ່ແມ່ນດ້ານຈັນຍາບັນຫຼືປະຕິບັດການດໍາເນີນການທົດລອງການຄວບຄຸມບັນ. ພວກເຂົາເຈົ້າແມ່ນເປັນຍຸດທະສາດທີ່ສໍາຄັນສໍາລັບການຄົ້ນພົບການປຽບທຽບຍຸດຕິທໍາໃນຂໍ້ມູນທີ່ບໍ່ແມ່ນການທົດລອງ. ແຜນຍຸດທະສາດການຄົ້ນຄວ້ານີ້ສາມາດໄດ້ຮັບການສະຫລຸບສົມຜົນນີ້:
\ [\ text {ໄປ (ຫຼືເປັນຖ້າຫາກວ່າໄປ) ກໍລະນີ} + \ text {ເຫມີໄປ, ສຸດນ້ໍາຂໍ້ມູນ} = \ text {ທົດລອງທໍາມະຊາດ} \ qquad (21) \]
ຢ່າງໃດກໍຕາມ, ການວິເຄາະປະສົບການທໍາມະຊາດທີ່ສາມາດ tricky ດີ. ສໍາລັບການຍົກຕົວຢ່າງ, ໃນກໍລະນີຂອງຮ່າງຫວຽດນາມ, ບໍ່ແມ່ນທຸກຄົນທີ່ໄດ້ຮ່າງມີສິດໄດ້ຮັບສິ້ນສຸດລົງເຖິງການຮັບໃຊ້ (ມີຄວາມຫລາກຫລາຍຂອງຂໍ້ຍົກເວັ້ນ). ແລະ, ໃນເວລາດຽວກັນ, ບາງຄົນຜູ້ທີ່ບໍ່ໄດ້ຮ່າງ, ມີສິດໄດ້ຮັບອາສາສະຫມັກສໍາລັບການບໍລິການ. ມັນແມ່ນການເປັນຖ້າຫາກວ່າໃນການທົດລອງທາງດ້ານການຊ່ວຍຂອງຢາເສບຕິດໃຫມ່, ບາງຄົນໃນກຸ່ມການປິ່ນປົວບໍ່ໄດ້ກິນຢາຂອງພວກເຂົາແລະບາງສ່ວນຂອງປະຊາຊົນຢູ່ໃນກຸ່ມການຄວບຄຸມໄດ້ somehow ໄດ້ຮັບຢາເສບຕິດ. ບັນຫານີ້, ເອີ້ນວ່າປະຕິບັດຕາມທັງສອງຂ້າງ, ເຊັ່ນດຽວກັນກັບບັນຫາອື່ນໆຈໍານວນຫຼາຍໄດ້ຖືກອະທິບາຍໃນລາຍລະອຽດຫຼາຍໃນບາງສ່ວນຂອງການອ່ານແນະນໍາໃຫ້ຢູ່ໃນຕອນທ້າຍຂອງບົດນີ້.
ແຜນຍຸດທະສາດຂອງການໃຊ້ປະໂຍດຂອງທໍາມະຊາດທີ່ເກີດຂຶ້ນມອບຫມາຍໄປໄດ້ກ່ອນອາຍຸສູງສຸດດິຈິຕອນ, ແຕ່ວ່າອັດຕາສ່ວນຂອງຂໍ້ມູນຂະຫນາດໃຫຍ່ທີ່ເຮັດໃຫ້ແຜນຍຸດທະສາດນີ້ມີຫຼາຍຢ່າງທີ່ໃຊ້ວຽກງ່າຍຂຶ້ນ. ເມື່ອທ່ານຮູ້ສຶກການປິ່ນປົວບາງໄດ້ຮັບການມອບຫມາຍໃຫ້ເຂົ້າ, ແຫຼ່ງຂໍ້ມູນຂໍ້ມູນຂະຫນາດໃຫຍ່ສາມາດສະຫນອງຂໍ້ມູນຜົນໄດ້ຮັບທີ່ທ່ານຕ້ອງການໃນຄໍາສັ່ງທີ່ຈະປຽບທຽບຜົນໄດ້ຮັບສໍາລັບປະຊາຊົນໃນສະພາບການປິ່ນປົວແລະການຄວບຄຸມ. ສໍາລັບການຍົກຕົວຢ່າງ, ໃນການສຶກສາຂອງຜົນກະທົບຂອງຮ່າງແລະການທະຫານການບໍລິການ, Angrist ເຮັດໃຫ້ການນໍາໃຊ້ຂອງການບັນທຶກລາຍຮັບຈາກການບໍລິຫານປະກັນສັງຄົມ; ບໍ່ມີຂໍ້ມູນຜົນໄດ້ຮັບນີ້, ການສຶກສາຂອງລາວຈະບໍ່ໄດ້ເປັນໄປໄດ້. ໃນກໍລະນີນີ້, ອົງການປະກັນສັງຄົມແມ່ນໄດ້ສະເຫມີກ່ຽວກັບແຫຼ່ງຂໍ້ມູນຂະຫນາດໃຫຍ່. ໃນຖານະເປັນຫຼາຍແລະເກັບກໍາຫຼາຍອັດຕະໂນມັດແຫລ່ງຂໍ້ມູນທີ່ມີຢູ່, ພວກເຮົາຈະມີຂໍ້ມູນຜົນໄດ້ຮັບຫຼາຍທີ່ສາມາດວັດແທກຜົນກະທົບຂອງການປ່ຽນແປງທີ່ສ້າງຂຶ້ນໂດຍການປ່ຽນແປງ exogenous ໄດ້.
ສະແດງໃຫ້ເຫັນຍຸດທະສາດນີ້ໃນອາຍຸສູງສຸດດິຈິຕອນ, ໃຫ້ພິຈາລະນາ Mas ແລະ Moretti ຂອງ (2009) ການຄົ້ນຄວ້າ elegant ກ່ຽວກັບຜົນກະທົບຂອງມິດສະຫາຍກັບການຜະລິດ. ເຖິງແມ່ນວ່າດ້ານໃນຂອງມັນອາດຈະແຕກຕ່າງກ່ວາການສຶກສາ Angrist ກ່ຽວກັບຜົນກະທົບຂອງຮ່າງຫວຽດນາມ, ໃນໂຄງປະກອບການທັງສອງປະຕິບັດຕາມຮູບແບບໃນ eq ໄດ້. 21.
Mas ແລະ Moretti ວັດແທກວິທີມິດສະຫາຍຜົນກະທົບຕໍ່ຜະລິດຕະພັນຂອງພະນັກງານ. ໃນອີກດ້ານຫນຶ່ງ, ມີເພື່ອນທີ່ເຮັດວຽກຫນັກອາດຈະນໍາໄປສູ່ພະນັກງານເພື່ອເພີ່ມທະວີການຜະລິດຕະພັນຂອງເຂົາເຈົ້າເນື່ອງຈາກວ່າຄວາມກົດດັນຂອງຫມູ່ເພື່ອນ. ຫຼື, ໃນອີກດ້ານຫນຶ່ງ, ເປັນເພື່ອນທີ່ເຮັດວຽກຫນັກອາດຈະນໍາໄປສູ່ພະນັກງານທີ່ຈະຊັກຊ້າລົງເນື່ອງເຖິງແມ່ນວ່າຫຼາຍ. ວິທີການທີ່ຊັດເຈນເພື່ອສຶກສາຜົນກະທົບຂອງຫມູ່ເພື່ອນກ່ຽວກັບການຜະລິດຈະເປັນການທົດລອງການຄວບຄຸມບັນບ່ອນທີ່ພະນັກງານໄດ້ຖືກມອບຫມາຍໃຫ້ເຂົ້າກັບການປ່ຽນແປງທີ່ມີພະນັກງານລະດັບຜະລິດຕະພັນທີ່ແຕກຕ່າງກັນແລະຜະລິດຕະພັນຫຼັງຈາກນັ້ນຜົນໄດ້ຮັບແມ່ນການວັດແທກສໍາລັບທຸກຄົນ. ນັກຄົ້ນຄວ້າ, ຢ່າງໃດກໍຕາມ, ບໍ່ໄດ້ຄວບຄຸມກໍານົດເວລາຂອງພະນັກງານໃນທຸລະກິດທີ່ແທ້ຈິງ, ແລະດັ່ງນັ້ນ Mas ແລະ Moretti ໄດ້ອີງໃສ່ປະສົບການທີ່ທໍາມະຊາດທີ່ໄດ້ຈັດຂຶ້ນໃນສັບພະສິນຄ້າ.
ຄືກັນກັບ eq. 21, ການສຶກສາຂອງເຂົາເຈົ້າໄດ້ສອງພາກສ່ວນ. ຫນ້າທໍາອິດ, ພວກເຂົາເຈົ້ານໍາໃຊ້ຂໍ້ມູນບັນທຶກຈາກລະບົບສັບພະສິນຄ້າຊໍາລະເງິນໃນການມີທີ່ຊັດເຈນ, ສ່ວນບຸກຄົນ, ແລະສະເຫມີໄປ, ໃນມາດຕະການຂອງການຜະລິດ: ຈໍານວນຂອງລາຍການລາຍການສະແກນຕໍ່ວິນາທີ. ແລະ, ທີສອງ, ເນື່ອງຈາກວ່າວິທີການກໍານົດເວລາທີ່ໄດ້ເຮັດຢູ່ໃນສັບພະສິນຄ້ານີ້, ພວກເຂົາເຈົ້າມີຢູ່ໃກ້ກັບອົງປະກອບຂອງ Random ຂອງມິດສະຫາຍ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ເຖິງແມ່ນວ່າຕາຕະລາງຂອງຜູ້ເກັບເງິນບໍ່ໄດ້ກໍານົດໂດຍການຈັບສະຫລາກ, ມັນແມ່ນການໄປເປັນ. ໃນການປະຕິບັດ, ຄວາມຫມັ້ນໃຈທີ່ພວກເຮົາມີຢູ່ໃນການທົດລອງທໍາມະຊາດເລື້ອຍໆ hinges ກ່ຽວກັບເຫດຜົນຂອງໂຄງການນີ້ "ເປັນ, ຖ້າຫາກວ່າ" ການຮ້ອງຂໍ Random ໄດ້. ຄວາມໄດ້ປຽບຂອງການປ່ຽນແປງໄປນີ້, Mas ແລະ Moretti ພົບວ່າເຮັດວຽກຮ່ວມກັບມິດສະຫາຍຂອງຜະລິດຕະພັນທີ່ສູງຂຶ້ນເພີ່ມຜົນຜະລິດ. ນອກຈາກນັ້ນ, Mas ແລະ Moretti ນໍາໃຊ້ຂະຫນາດແລະອຸດົມສົມບູນຂອງຂໍ້ມູນຂອງເຂົາເຈົ້າທີ່ຈະຍ້າຍອອກຫຼັງຈາກການຄາດຄະເນຂອງສາເຫດແລະຜົນກະທົບໃນການສໍາຫຼວດທັງສອງບັນຫາທີ່ສໍາຄັນແລະ subtle: heterogeneity ຂອງຜົນກະທົບນີ້ (ສໍາລັບການທີ່ທຸກປະເພດຂອງພະນັກງານປະສິດທິຜົນຂະຫນາດໃຫຍ່) ແລະກົນໄກການ ຫລັງຜົນກະທົບ (ເປັນຫຍັງຈຶ່ງບໍ່ມີມິດສະຫາຍຜົນຜະລິດສູງນໍາໄປສູ່ການຜະລິດທີ່ສູງ). ພວກເຮົາຈະກັບຄືນໄປເຫຼົ່ານີ້ທັງສອງທີ່ສໍາຄັນບັນຫາ, heterogeneity ຂອງຜົນກະທົບການປິ່ນປົວແລະກົນໄກການ, ໃນບົດທີ 5 ໃນເວລາທີ່ພວກເຮົາປຶກສາຫາລືປະສົບການໃນລາຍລະອຽດເພີ່ມເຕີມ.
Generalizing ຈາກການສຶກສາກ່ຽວກັບຜົນກະທົບຂອງຮ່າງຫວຽດນາມກັບລາຍໄດ້ແລະການສຶກສາຜົນກະທົບຂອງມິດສະຫາຍກັບການຜະລິດໄດ້, ຕາຕະລາງ 2.3 ສັງລວມການສຶກສາອື່ນທີ່ມີໂຄງປະກອບການດຽວກັນນີ້ຄືກັນອ້ອຍຕ້ອຍ: ການນໍາໃຊ້ສະເຫມີໄປ, ໃນແຫຼ່ງຂໍ້ມູນໃນການວັດແທກຜົນກະທົບຂອງກິດຈະກໍາຈໍານວນຫນຶ່ງ . ໃນຖານະເປັນຕາຕະລາງ 2.3 ເຮັດໃຫ້ຈະແຈ້ງ, ການທົດລອງທໍາມະຊາດມີຢູ່ທົ່ວໄປຖ້າຫາກວ່າທ່ານພຽງແຕ່ຮູ້ຈັກວິທີທີ່ຈະຊອກຫາໃຫ້ເຂົາເຈົ້າ.
ຈຸດສຸມສໍາຄັນ | ແຫຼ່ງຂໍ້ມູນຂອງການທົດລອງທໍາມະຊາດ | ສະເຫມີກ່ຽວກັບແຫລ່ງຂໍ້ມູນ | ການຂຽນກ່າວອ້າງ |
---|---|---|---|
ມິດສະຫາຍ, ຜົນກະທົບຕໍ່ການຜະລິດ | ຂະບວນການກໍານົດເວລາ | ຂໍ້ມູນການຊໍາລະເງິນ | Mas and Moretti (2009) |
ການສ້າງຕັ້ງມິດຕະພາບ | hurricanes | ເຟສບຸກ | Phan and Airoldi (2015) |
ການແຜ່ກະຈາຍຂອງຄວາມຮູ້ສຶກ | ຝົນຕົກຫນັກ | ເຟສບຸກ | Coviello et al. (2014) |
ມິດສະຫາຍ, ເພື່ອມິດສະຫາຍການໂອນເສດຖະກິດ | ແຜ່ນດິນໄຫວ | ຂໍ້ມູນເງິນໂທລະສັບມືຖື | Blumenstock, Fafchamps, and Eagle (2011) |
ພຶດຕິກໍາການບໍລິໂພກສ່ວນບຸກຄົນ | 2013 shutdown ລັດຖະບານສະຫະລັດ | ຂໍ້ມູນທາງການເງິນສ່ວນບຸກຄົນ | Baker and Yannelis (2015) |
ຜົນກະທົບທາງເສດຖະກິດຂອງລະບົບ Recommender | ຕ່າງໆ | ຂໍ້ມູນຜົນການຊອກຫາຢູ່ໃນ Amazon | Sharma, Hofman, and Watts (2015) |
ຜົນກະທົບຂອງຄວາມກົດດັນກ່ຽວກັບເດັກນ້ອຍໃນທ້ອງ | 2006 ສົງຄາມອິດສະຣາເອນ, Hezbollah | ການບັນທຶກການເກີດ | Torche and Shwed (2015) |
ອ່ານພຶດຕິກໍາໃນວິກິພີເດຍ | ການເປີດເຜີຍ Snowden | ຂໍ້ມູນບັນທຶກວິກິພີເດຍ | Penney (2016) |
ໃນການປະຕິບັດ, ຄົ້ນຄ້ວາການນໍາໃຊ້ສອງຍຸດທະສາດທີ່ແຕກຕ່າງກັນສໍາລັບການຊອກຫາການທົດລອງທໍາມະຊາດ, ຊຶ່ງທັງສອງສາມາດເປັນຜົນດີ. ນັກຄົ້ນຄວ້າບາງເລີ່ມຕົ້ນດ້ວຍການສະເຫມີກ່ຽວກັບແຫລ່ງຂໍ້ມູນແລະເບິ່ງສໍາລັບເຫດການໃນໂລກ; ບາງຄົນເລີ່ມມີເຫດການໃນໂລກແລະຊອກຫາແຫຼ່ງຂໍ້ມູນທີ່ເກັບກໍາຜົນກະທົບຂອງເຂົາເຈົ້າ. ສຸດທ້າຍ, ສັງເກດເຫັນວ່າຄວາມເຂັ້ມແຂງຂອງປະສົບການທໍາມະຊາດທີ່ບໍ່ໄດ້ມາຈາກຄວາມຊັບຊ້ອນຂອງການວິເຄາະທາງສະຖິຕິໄດ້, ແຕ່ຈາກການດູແລໃນການຄົ້ນພົບການສົມທຽບການຍຸຕິທໍາການສ້າງຕັ້ງໂດຍອຸປະຕິເຫດແຕ່ໃນປະຫວັດສາດ.