2.4.3.1 नैसर्गिक प्रयोग

नैसर्गिक प्रयोग जगात यादृच्छिक घटना फायदा घ्या. यादृच्छिक कार्यक्रम + नेहमी डेटा प्रणाली = नैसर्गिक प्रयोग

गोरा तुलना सक्षम यादृच्छिकीकृत नियंत्रित प्रयोग की यादृच्छिक आहे. तथापि, कधीकधी काहीतरी मूलत: लोक सहजगत्या किंवा जवळजवळ विविध उपचार सहजगत्या वाटप जगात घडते. नैसर्गिक प्रयोग वापरून धोरण स्पष्ट उदाहरणे एक संशोधन येते Angrist (1990) कमाई वर लष्करी सेवा परिणाम उपाय की.

व्हिएतनाम मध्ये युद्ध दरम्यान, युनायटेड स्टेट्स मसुदा माध्यमातून सशस्त्र सेना आकार वाढली. जे नागरिक सेवा म्हणता येईल निर्णय घेण्यासाठी अमेरिकन सरकारने एक लॉटरी होती. प्रत्येक जन्मतारीख एक कागद प्रतिनिधित्व होते, आणि ती कागदपत्र मोठ्या काचेच्या किलकिले मध्ये आणण्यात आले. आकृती 2.5 दाखवल्याप्रमाणे, कागद या स्लीपमध्ये आले होते किलकिले एका वेळी तरुण सेवा करण्यासाठी (तरुण महिला मसुदा विषय नाही होते) असे म्हणता येईल असे क्रमाने निश्चित करण्यासाठी. निष्कर्षांवर आधारित, 14 सप्टेंबर रोजी जन्म इतरांनाही तसे पहिल्या बोलाविले होते 24 एप्रिल रोजी जन्म पुरुष दुसऱ्या बोलाविले होते, आणि. शेवटी, या लॉटरी मध्ये, वर 195 वेगवेगळ्या दिवशी जन्म पुरुष सेवा बोलाविले होते 171 दिवस यांचा जन्म पुरुष म्हणतात नाही झाले.

आकृती 2.5: काँग्रेस अलेक्झांडर Pirnie (आर न्यू यॉर्क) 1 डिसेंबर रोजी ठराविक सेवा मसुदा पहिल्या कुपी रेखांकन, 1969 यहोशवा Angrist (1990) लष्करी सेवा परिणाम अंदाज एकत्र सामाजिक सुरक्षा प्रशासन पासून कमाई डेटा ड्राफ्ट लॉटरी कमाई वर. हे एक नैसर्गिक प्रयोग वापरून संशोधन एक उदाहरण आहे. स्त्रोत: विकिमीडिया कॉमन्सवर

लगेच उघड होऊ शकते तरी, एक मसुदा लॉटरी एक यादृच्छिकीकृत नियंत्रित प्रयोग एक महत्वपूर्ण सारखेपणा आहे: दोन्ही घटनांमध्ये सहभागी सहजगत्या एक उपचार प्राप्त करण्यासाठी नियुक्त केले जातात. मसुदा लॉटरी बाबतीत, आम्ही मसुदा-पात्रता आणि त्यानंतरच्या श्रमिक बाजार कमाई वर लष्करी सेवा परिणाम जाणून घेण्यात स्वारस्य असल्यास, आम्ही ज्या birthdates (लॉटरी cutoff खाली होते लोकांसाठी परिणाम तुलना करू शकता उदा, सप्टेंबर 14, एप्रिल 24, इ) ज्या वाढदिवस cutoff नंतर ते लोक (उदा, फेब्रुवारी 20, 2 डिसेंबर, इ) परिणाम आहे.

तयार जात या उपचार सहजगत्या नियुक्त केला गेला आहे की दिले, तर मग आपण मोजमाप केले आहे की कोणत्याही परिणाम साठी या उपचार परिणाम मोजमाप करू शकता. उदाहरणार्थ, Angrist (1990) सहजगत्या निष्कर्ष काढला सामाजिक सुरक्षा प्रशासन गोळा झाले की कमाई डेटा पांढरा मान्यवरांच्या कमाई तुलना नॉन-मान्यवरांच्या कमाई पेक्षा 15% कमी होते ड्राफ्ट निवड झाली या बद्दल माहिती एकत्र . इतर संशोधक तसेच एक समान युक्ती वापरले आहेत. उदाहरणार्थ, Conley and Heerwig (2011) सहजगत्या 2000 च्या जनगणनेनुसार 2005 अमेरिकन समुदाय सर्वेक्षण गोळा घरगुती डेटा ड्राफ्ट निवड झाली या बद्दल माहिती एकत्र आणि इतके लांब मसुदा नंतर तेथून थोडे दीर्घकालीन परिणाम होते आढळले अशा गृहनिर्माण कालावधी (भाड्याने विरुद्ध शहरी) आणि निवासी स्थिरता (मागील पाच वर्षांत हलविले येत शक्यता) म्हणून परिणाम विविध लष्करी सेवा.

हे उदाहरण स्पष्ट म्हणून, कधी कधी, सामाजिक, राजकीय, किंवा नैसर्गिक सैन्याने प्रयोग किंवा संशोधक पुरेपूर वापर केला जाऊ शकतो की जवळ-प्रयोग तयार. तो नैतिक किंवा यादृच्छिकीकृत नियंत्रित प्रयोग चालवा व्यावहारिक नाही, जेथे अनेकदा नैसर्गिक प्रयोग सेटिंग्ज मध्ये कारण आणि परिणाम संबंध अंदाज सर्वोत्तम मार्ग आहे. ते गैर-प्रायोगिक माहिती योग्य भेद शोध एक रणनीती आहे. हे संशोधन धोरण हे समीकरण सारांशात जाऊ शकते:

\ [\ मजकूर {यादृच्छिक (किंवा यादृच्छिक तर) कार्यक्रम} + \ मजकूर {नेहमी डेटा प्रवाह} = \ मजकूर {नैसर्गिक प्रयोग} \ qquad (2.1) \]

तथापि, नैसर्गिक प्रयोग विश्लेषण जोरदार अवघड असू शकते. उदाहरणार्थ, व्हिएतनाम मसुदा बाबतीत, प्रत्येक मसुदा-पात्र सेवा झाली कोण आहे (सूट विविध होते). आणि त्याच वेळी, मसुदा-पात्र नव्हता काही लोक सेवा स्वयंसेवक झाल्या. नवीन औषध वैद्यकीय चाचणी मध्ये, उपचार गटातील काही लोक त्यांच्या औषध घेणे नाही, तर नाही आणि कंट्रोल ग्रूप मध्ये काही लोक कसा तरी औषध प्राप्त होते. ही समस्या, दोन्ही बाजूंनी बंधनाची म्हणतात, तसेच इतर अनेक समस्या या प्रकरणाच्या शेवटी शिफारस वाचन काही अधिक तपशीलवार वर्णन आहेत.

नैसर्गिकरित्या यादृच्छिक नेमणूक येणार्या लाभ घेण्याचे धोरण डिजिटल वय पहिले, पण मोठे डेटा प्रभाव वापर करण्यासाठी हे धोरण खूपच सोपे करते. आपण काही उपचार सहजगत्या नियुक्त केला गेला आहे लक्षात एकदा, मोठा डेटा स्रोत आपण उपचार आणि नियंत्रण परिस्थितीमध्ये लोक परिणाम तुलना करण्यासाठी आवश्यक आहे की परिणाम डेटा प्रदान करू शकता. उदाहरणार्थ, ड्राफ्ट आणि लष्करी सेवा परिणाम त्याच्या अभ्यासात, Angrist सामाजिक सुरक्षा प्रशासन पासून कमाई रेकॉर्ड वापर केला; या परिणाम डेटा न करता, अभ्यास शक्य झाले नाही. या प्रकरणात, सामाजिक सुरक्षा प्रशासन नेहमी मोठे डेटा स्त्रोत आहे. अधिक आणि अधिक आपोआप गोळा डेटा स्रोत अस्तित्वात आहे की, आम्ही बाह्य फरक करून तयार बदल परिणाम मोजमाप करू शकता अधिक परिणाम डेटा आहे.

डिजिटल युगात हे धोरण स्पष्ट करण्यासाठी च्या Mas आणि Moretti च्या विचार करू (2009) उत्पादकतेला तोलामोलाचा परिणाम मोहक संशोधन केले. पृष्ठभाग वर रचना, व्हिएतनाम ड्राफ्टच्या प्रभाव बद्दल Angrist अभ्यास पेक्षा भिन्न दिसत शकते तरी ते दोन्ही शिफारस मध्ये नमुना अनुसरण. 2.1.

Mas आणि Moretti तोलामोलाचा कामगार उत्पादकता कसा परिणाम मोजमाप घेतले. एक हात वर, हार्ड काम सरदार, कारण, मित्रांकडून दबाव त्यांच्या उत्पादकता वाढविण्यासाठी कामगार होऊ शकते. किंवा, दुसरीकडे, हार्ड काम सरदार इतर कामगार आणखी बंद उशीर होऊ शकते. उत्पादकतेला सरदार प्रभाव अभ्यास स्पष्ट मार्ग यादृच्छिकीकृत नियंत्रित प्रयोग कामगार सहजगत्या विविध उत्पादन पातळी करणाऱ्या बदल लागू केले व नंतर परिणामी उत्पादन प्रत्येकासाठी मोजली जाते आहेत जेथे होईल. संशोधक, तथापि, कोणत्याही रिअल व्यवसाय कामगार वेळापत्रक नियंत्रित करू शकत नाही, आणि त्यामुळे Mas आणि Moretti एक सुपरमार्केट मध्ये घडली एक नैसर्गिक प्रयोग अवलंबून राहावे लागले.

फक्त शिफारस आहे. 2.1, त्यांच्या अभ्यास दोन भाग होते. प्रथम, ते सुपरमार्केट चेकआऊट प्रणाली लॉग वापरले एक तंतोतंत, वैयक्तिक आहे, आणि उत्पादकता उपाय नेहमी: प्रति सेकंद आयटम स्कॅन संख्या. आणि दुसरा, कारण शेड्युलिंग, सुपरमार्केट हे केले जात होते मार्ग, ते तोलामोलाचा यादृच्छिक रचना जवळ आहे. दुसऱ्या शब्दांत, एक लॉटरी करून तरी कॅशियर शेड्युलिंग निर्धारित नाही, तो मूलत: यादृच्छिक होते. सराव मध्ये, आम्ही नैसर्गिक प्रयोग विश्वास टाकला आहे हे वारंवार "म्हणून-तर" यादृच्छिक दावा लाघवीपणा वर hinges. हा रँडम फरक फायदा घेत, Mas आणि Moretti उच्च उत्पादकता तोलामोलाचा काम उत्पादन क्षमता वाढते असे आढळले. पुढे, Mas आणि Moretti दोन अधिक महत्त्वाचे आणि सूक्ष्म समस्या अन्वेषण करण्यासाठी कारण आणि परिणाम अंदाज हलण्यास आकार आणि त्यांच्या डेटाबेसच्या समृद्धता वापर: हा परिणाम (ज्यासाठी कामगार प्रकारच्या परिणाम मोठा आहे) च्या धक्का बसला असून रहिवासातील आणि प्रणाली परिणाम मागे (का येत उच्च उत्पादनक्षमता तोलामोलाचा उच्च उत्पादकता होऊ करतो). आम्ही अधिक तपशील प्रयोग चर्चा तेव्हा उपचार प्रभाव आणि यंत्रणा-इन Chapter 5 या दोन महत्वाचे मुद्दे-धक्का बसला असून रहिवासातील परत येईल.

कमाई आणि उत्पादकतेला तोलामोलाचा प्रभाव अभ्यास व्हिएतनाम ड्राफ्टच्या परिणाम अभ्यास Generalizing, तक्ता 2.3 हा अचूक समान रचना आहे की इतर अभ्यास सारांश: एक नेहमी डेटा स्त्रोत काही कार्यक्रम परिणाम मोजण्यासाठी वापर . तक्ता 2.3 स्पष्ट करते म्हणून, आपण फक्त त्यांना कसे पाहणे माहित तर नैसर्गिक प्रयोग सर्वत्र आहेत.

सराव, संशोधक नैसर्गिक प्रयोग, फलदायी असू शकते जे दोन्ही शोधण्यासाठी दोन भिन्न पद्धतींचा वापर. काही संशोधक नेहमी डेटा स्त्रोत सुरू आणि जगातील यादृच्छिक घटना पाहा इतरांना जगात यादृच्छिक घटना सुरू आणि त्यांचे परिणाम काबीज डेटा स्रोत शोधणे. शेवटी, नैसर्गिक प्रयोग ताकद संख्याशास्त्रीय विश्लेषण सुसंस्कृतपणा देत नाही, पण इतिहास एक भाग्यवान अपघात बनवले एक सुंदर तुलनेत शोध काळजी पासून लक्षात.