2.4.1.1 taxi ໃນນິວຢອກ, ນະຄອນ

ນັກວິໄຈນໍາໃຊ້ຂໍ້ມູນຂະຫນາດໃຫຍ່ຈາກເມດ taxi ການສຶກສາການຕັດສິນໃຈຂອງຄົນຂັບ taxi ໃນນິວຢອກ. ຂໍ້ມູນເຫຼົ່ານີ້ໄດ້ເຫມາະສົມດີສໍາລັບການຄົ້ນຄ້ວານີ້.

ຕົວຢ່າງຫນຶ່ງຂອງພະລັງງານທີ່ງ່າຍດາຍຂອງການຄິດໄລ່ສິ່ງທີ່ຖືກຕ້ອງແມ່ນມາຈາກ Henry Farber ຂອງ (2015) ການສຶກສາພຶດຕິກໍາຂອງຄົນຂັບ taxi ນະຄອນນິວຢອກ. ເຖິງແມ່ນວ່າກຸ່ມນີ້ອາດຈະບໍ່ໄດ້ສຽງທີ່ຫນ້າສົນໃຈປະກົດຂຶ້ນເປັນເວັບໄຊທີ່ຄົ້ນຄ້ວາຍຸດທະສາດສໍາລັບການທົດສອບສອງທິດສະດີການແຂ່ງຂັນດ້ານເສດຖະກິດແຮງງານ. ສໍາລັບຈຸດປະສົງຂອງການຄົ້ນຄວ້າ Farber ຂອງ, ແມ່ນມີສອງຄຸນນະສົມບັດທີ່ສໍາຄັນກ່ຽວກັບສະພາບແວດລ້ອມການເຮັດວຽກຂອງຄົນຂັບ taxi ໄດ້: 1) ຄ່າແຮງງານຊົ່ວໂມງຂອງເຂົາເຈົ້າມີການປ່ຽນແປງຈາກມື້ກັບມື້, ຢູ່ໃນສ່ວນຫນຶ່ງກັບປັດໄຈເຊັ່ນ: ສະພາບອາກາດແລະ 2) ຈໍານວນຂອງຊົ່ວໂມງເຮັດວຽກໄດ້ ສາມາດຜັນຜວນໃນແຕ່ລະມື້ໂດຍອີງໃສ່ການຕັດສິນໃຈຂອງຄົນຂັບໄດ້. ຄຸນນະສົມບັດເຫຼົ່ານີ້ນໍາໄປສູ່ການເປັນຄໍາຖາມທີ່ຫນ້າສົນໃຈກ່ຽວກັບການພົວພັນລະຫວ່າງຄ່າແຮງງານຊົ່ວໂມງແລະຊົ່ວໂມງເຮັດວຽກ. ແບບ neoclassical ໃນເສດຖະສາດຄາດຄະເນວ່າຄົນຂັບ taxi ຈະເຮັດວຽກເພີ່ມເຕີມກ່ຽວກັບວັນບ່ອນທີ່ເຂົາເຈົ້າມີຄ່າຈ້າງຊົ່ວໂມງສູງກວ່າ. ອີກທາງເລືອກ, ແບບຈໍາລອງຈາກເສດຖະກິດປະພຶດຄາດຄະເນວ່າກົງກັນຂ້າໄດ້. ຖ້າຫາກວ່າຄົນຂັບລົດທີ່ກໍານົດໄວ້ເປັນລາຍຮັບໂດຍສະເພາະເປົ້າຫມາຍເວົ້າວ່າ $ 100 ຕໍ່ມື້ແລະການເຮັດວຽກຈົນກ່ວາເປົ້າຫມາຍທີ່ບັນລຸໄດ້, ຫຼັງຈາກນັ້ນຄົນຂັບລົດຈະສິ້ນສຸດເຖິງການເຮັດວຽກຊົ່ວໂມງຫນ້ອຍໃນມື້ທີ່ພວກເຂົາເຈົ້າມີລາຍໄດ້ເພີ່ມເຕີມ. ສໍາລັບການຍົກຕົວຢ່າງ, ຖ້າຫາກວ່າທ່ານໄດ້ລາຍໄດ້ເປົ້າຫມາຍ, ທ່ານອາດຈະສິ້ນສຸດເຖິງການເຮັດວຽກ 4 ຊົ່ວໂມງໃນມື້ທີ່ດີ ($ 25 ຕໍ່ຊົ່ວໂມງ) ແລະ 5 ຊົ່ວໂມງໃນມື້ທີ່ບໍ່ດີ ($ 20 ຕໍ່ຊົ່ວໂມງ). ດັ່ງນັ້ນ, ຄົນຂັບລົດເຮັດວຽກຫຼາຍຊົ່ວໂມງໃນມື້ທີ່ມີຄ່າແຮງງານທີ່ສູງຂຶ້ນຊົ່ວໂມງ (ເປັນຄາດຄະເນໂດຍແບບ neoclassical) ຫຼືຫຼາຍຊົ່ວໂມງໃນມື້ທີ່ມີຄ່າແຮງງານຊົ່ວໂມງຕ່ໍາ (ຄາດຄະເນໂດຍແບບຈໍາລອງເສດຖະກິດປະພຶດ)?

ເພື່ອຕອບຄໍາຖາມນີ້ Farber ໄດ້ຮັບຂໍ້ມູນກ່ຽວກັບການເດີນທາງ taxi ທຸກປະຕິບັດໂດຍ cabs New York City ຈາກ 2009 - 2013, ຂໍ້ມູນທີ່ມີໃນປັດຈຸບັນ ທີ່ມີຢູ່ສາທາລະນະ . ຂໍ້ມູນທີ່ນີ້ຖືກເກັບກໍາໂດຍແມັດເອເລັກໂຕຣນິກທີ່ເມືອງໄດ້ຮຽກຮ້ອງໃຫ້ແກ່ການນໍາໃຊ້, ປະກອບມີຫຼາຍຕ່ອນຂອງຂໍ້ມູນຂ່າວສານສໍາລັບການເດີນທາງແຕ່ລະຄົນ: ເລີ່ມຕົ້ນທີ່ໃຊ້ເວລາ, ເລີ່ມຕົ້ນສະຖານທີ່, ທີ່ໃຊ້ເວລາໃນຕອນທ້າຍ, ສະຖານທີ່ໃນຕອນທ້າຍ, fare, ແລະປາຍ (ຖ້າປາຍໄດ້ຮັບເງິນທີ່ມີ ບັດ​ເຄຣ​ດິດ). ໃນທັງຫມົດ, ຂໍ້ມູນ Farber ຂອງບັນຈຸຂໍ້ມູນກ່ຽວກັບປະມານ 900 ລ້ານການເດີນທາງປະຕິບັດໃນໄລຍະປະມານ 40 ລ້ານປ່ຽນແປງ (ການປ່ຽນແປງແມ່ນປະມານເຮັດວຽກໃນມື້ຫນຶ່ງສໍາລັບການຫນຶ່ງຄົນຂັບ). ໃນຄວາມເປັນຈິງ, ບໍ່ມີຂໍ້ມູນຫຼາຍດັ່ງນັ້ນ, Farber ພຽງແຕ່ນໍາໃຊ້ການສຸ່ມຕົວຢ່າງສໍາລັບການວິເຄາະຂອງຕົນ. ການນໍາໃຊ້ຂໍ້ມູນແມັດ taxi ນີ້, Farber ພົບເຫັນວ່າຄົນຂັບທີ່ສຸດເຮັດວຽກເພີ່ມເຕີມກ່ຽວກັບວັນເວລາທີ່ຄ່າແຮງງານສູງຂຶ້ນ, ສອດຄ່ອງກັບທິດສະດີ neoclassical. ໃນນອກຈາກນັ້ນເພື່ອຊອກຫາຕົ້ນຕໍນີ້, Farber ສາມາດທີ່ຈະຜັກດັນການຂະຫນາດຂອງຂໍ້ມູນທີ່ໄດ້ສໍາລັບຄວາມເຂົ້າໃຈທີ່ດີຂຶ້ນຂອງ heterogeneity ແລະນະໂຍບາຍ. Farber ພົບເຫັນວ່າໃນໄລຍະທີ່ໃຊ້ເວລາຄົນຂັບລົດໃຫມ່ຄ່ອຍໆຮຽນຮູ້ທີ່ຈະເຮັດວຽກຫຼາຍຊົ່ວໂມງໃນມື້ຄ່າແຮງງານສູງ (ຕົວຢ່າງ:, ພວກເຂົາເຈົ້າຮຽນຮູ້ທີ່ຈະປະຕິບັດຕົວໃຫ້ເປັນຕົວແບບ neoclassical ຄາດ). ແລະຄົນຂັບລົດໃຫມ່ຜູ້ທີ່ປະຕິບັດຕົວຄືຜູ້ມີເປົ້າຫມາຍແມ່ນມັກຈະເຊົາເປັນຄົນຂັບ taxi. ທັງສອງຂອງການຄົ້ນພົບລະອຽດເພີ່ມເຕີມເຫຼົ່ານີ້, ເຊິ່ງຊ່ວຍອະທິບາຍການສັງເກດການຂັບລົດໃນປະຈຸບັນ, ໄດ້ເປັນໄປໄດ້ພຽງແຕ່ເນື່ອງຈາກວ່າຂະຫນາດຂອງຊຸດຂໍ້ມູນທີ່ໄດ້. ເຂົາເຈົ້າຈະໄດ້ເປັນໄປບໍ່ໄດ້ການກວດສອບໃນການສຶກສາກ່ອນຫນ້ານີ້ວ່າການນໍາໃຊ້ used ແຜ່ນການເດີນທາງເອກະສານຈາກຈໍານວນຂະຫນາດນ້ອຍຂອງຄົນຂັບ taxi ໃນໄລຍະໄລຍະເວລາສັ້ນຂອງທີ່ໃຊ້ເວລາ (ຕົວຢ່າງ:, Camerer et al. (1997) ).

ການສຶກສາ Farber ຂອງແມ່ນໃກ້ຊິດກັບທີ່ດີທີ່ສຸດໃນກໍລະນີສໍາລັບການສຶກສາການນໍາໃຊ້ຂໍ້ມູນຂະຫນາດໃຫຍ່. ຫນ້າທໍາອິດ, ຂໍ້ມູນທີ່ບໍ່ໄດ້ທີ່ບໍ່ແມ່ນຜູ້ຕາງຫນ້າເນື່ອງຈາກວ່ານະຄອນທີ່ຕ້ອງການຄົນຂັບລົດທີ່ຈະນໍາໃຊ້ເມດດິຈິຕອນ. ແລະຂໍ້ມູນທີ່ບໍ່ໄດ້ບໍ່ຄົບຖ້ວນເນື່ອງຈາກວ່າຂໍ້ມູນທີ່ຖືກເກັບກໍາໂດຍເມືອງນີ້ແມ່ນ pretty ໃກ້ກັບຂໍ້ມູນທີ່ Farber ຈະໄດ້ເກັບກໍາຂໍ້ຖ້າຫາກວ່າທ່ານມີທາງເລືອກ (ຄວາມແຕກຕ່າງກັນແມ່ນວ່າ Farber ຈະມີຂໍ້ມູນທີ່ຕ້ອງການໃນຈໍານວນທັງຫມົດຄ່າແຮງງານ, ຄ່າໂດຍສານບວກ Tips- ແຕ່ວ່າຂໍ້ມູນເມືອງລວມພຽງແຕ່ຄໍາແນະນໍາການຈ່າຍເງິນໂດຍບັດເຄຣດິດ). ສໍາຄັນຕໍ່ກັບການຄົ້ນຄວ້າ Farber ໄດ້ສົມທົບຄໍາຖາມທີ່ດີມີຂໍ້ມູນທີ່ດີ. ຂໍ້ມູນດຽວແມ່ນບໍ່ພຽງພໍ.