2.4.3 suderinti eksperimentai
Galime suderinti eksperimentus, kad mes negalime daryti. Du požiūriai, kad ypač naudinga iš skaitmeninio amžiaus atitikimo ir fiziniai eksperimentai.
Daugelis svarbių mokslo ir politikos klausimai yra priežastinis. Apsvarstykite, pavyzdžiui, šių klausimų: kas yra darbdaviu mokymo programos darbo užmokesčio poveikis? Vienas iš būdų atsakyti į šį klausimą būtų su atsitiktinių imčių kontroliuojamą eksperimentą, kai darbuotojai buvo atsitiktinai suskirstyti į apmokomi ar ne mokomi. Tada tyrėjai galėtų įvertinti mokymo šių dalyvių efektą tiesiog lyginant žmonių, kurie gavo mokymo tiems, kurie negavo darbo užmokesčio.
Paprastas palyginimas galioja, nes tai, kas vyksta, kol duomenys buvo net surinkti: į tikimybių. Be tikimybių, problema yra daug sudėtingiau. Mokslininkas gali palyginti žmonių, kurie savanoriškai prisiregistravusių mokymo tiems, kurie nepasirašė-up atlyginimus. Tai palyginimas tikriausiai rodo, kad žmonės, kurie gavo mokymo uždirbo daugiau, bet kiek tai yra, nes mokymo ir kiek tai yra, nes žmonės, kurie Registruotis mokymo skiriasi nuo tų, kurios neturi užsiregistruoti mokymui? Kitaip tariant, yra teisinga palyginti iš šių dviejų grupių žmonių darbo užmokestį?
Šis klausimas apie tikrosios palyginimų veda Kai kurie mokslininkai manyti, kad neįmanoma padaryti priežastinius sąmatas nesukeldama eksperimentą. Šis teiginys eina per toli. Nors tiesa, kad eksperimentai suteikia stipriausią įrodymų priežastinius reiškinių, yra kitų strategijų, kurios gali suteikti vertingos priežastinius sąmatas. Vietoj galvoju, kad priežastinis vertinimai yra arba lengvai (jei eksperimentų atveju) arba neįmanoma (tuo atveju pasyviai stebimas duomenis), tai geriau galvoti apie strategijas už priežastinius sąmatas gulėti išilgai kontinuumą iš stipriausių į silpniausius (pav 2.4). Tuo stipriausių gale kontinuumas yra atsitiktinių imčių kontroliuojamų eksperimentų. Tačiau, tai yra dažnai sunku daryti socialinių tyrimų, nes daugelis gydymo reikalauja nerealių sumų bendradarbiavimo vyriausybių ar įmonių; paprasčiausiai yra daug eksperimentų, kad mes negalime padaryti. Aš skirs visus 4 skyriuje tiek stipriąsias ir silpnąsias puses randomizuotų kontroliuojamų eksperimentų, ir aš teigti, kad kai kuriais atvejais, yra stiprios etinės priežastys nori stebėjimo ir eksperimentinių metodų.
2.4 pav Continuum tyrimų strategijų apskaičiuotų priežastinius efektus.
Judančią išilgai kontinuumas, yra situacijų, kai mokslininkai negali aiškiai atsitiktinių imčių. Tai reiškia, kad mokslininkai bando sužinoti eksperimento-kaip žinių, be iš tikrųjų daro eksperimentą; Žinoma, tai bus sudėtinga, bet didelis duomenų žymiai pagerina mūsų gebėjimą priimti priežastinius sąmatas šiose situacijose.
Kartais yra nustatymai kur atsitiktinumas pasaulyje atsitinka sukurti kažką panašaus į mokslininkų eksperimentą. Šie dizaino vadinami natūraliais eksperimentus, ir jie bus laikomi išsamiai 2.4.3.1 skirsnyje. Dvi funkcijos didelių duomenų šaltinių-jų visada ant pobūdį ir jų dydį, žymiai padidina mūsų sugebėjimą mokytis iš natūralių eksperimentų, kai jie įvyksta.
Tolsta nuo atsitiktinių imčių kontroliuojamų eksperimentų, kartais nėra net gamtoje, kad mes galime naudoti norėdami suderinti natūralų eksperimentą įvykis. Be šių nustatymų, mes galime atidžiai statyti palyginti per ne eksperimentinius duomenis, bandant priartinti eksperimentą. Šie dizaino vadinama atitikimo, ir jie bus laikomi išsamiai 2.4.3.2 skirsnyje. Kaip gamtos eksperimentai, atitikimas yra dizainas, taip pat gauna naudos iš didelių duomenų šaltiniais. Visų pirma, masyvi dydis-tiek atvejų ir dėl informacijos, per atveju-labai palengvina derinimą. Pagrindinis skirtumas tarp fizinių eksperimentų ir atitikimas yra tai, kad natūralių eksperimentų mokslininkas žino procesą, per kurį gydymas buvo paskirtas ir mano, kad ji būtų atsitiktinai.
Sąžiningų palyginimų kad motyvuotų norus daryti eksperimentus sąvoka taip pat pagrindžia du alternatyvius metodus: natūralių eksperimentų ir derinimas. Šie metodai leis jums įvertinti priežastinius efektus iš pasyviai stebėtų duomenų atranda tikrąsias palyginti sėdi viduje duomenų, kad jūs jau turite.
