2.4.3.1 प्राकृतिक प्रयोगहरू

प्राकृतिक प्रयोगहरू संसारमा अनियमित घटनाहरू फाइदा लिन। अनियमित घटना + सधैं-डाटा सिस्टम = प्राकृतिक प्रयोग

बेतरतीब नियंत्रित प्रयोगहरू निष्पक्ष तुलना सक्षम गर्न कुञ्जीले randomization छ। तर, कहिले काँही केही अनिवार्य फरक उपचार गर्न अनियमित अनियमित वा लगभग मान्छे प्रदान गर्ने संसारमा हुन्छ। प्राकृतिक प्रयोगहरू प्रयोग को रणनीति को clearest उदाहरण को एक को अनुसन्धान आउँछ Angrist (1990) आय मा सैन्य सेवा को प्रभाव उपाय छ।

भियतनाम युद्ध चर्किरहेको बेला, संयुक्त राज्य अमेरिका मस्यौदा मार्फत आफ्नो सशस्त्र सेना को आकार वृद्धि। जो नागरिक सेवा मा भनिन्छ हुनेछ निर्णय गर्न, अमेरिकी सरकार एक लटरी आयोजित। हरेक जन्ममिति कागज को टुक्रा मा प्रतिनिधित्व थियो, र यी कागजात एक ठूलो गिलास जार मा राखिएको थियो। चित्रा 2.5 मा देखाइएको, कागज यी मुनाहरू जवान मानिसहरू सेवा गर्न (जवान महिला मस्यौदा अधीनमा थिए) भनिन्छ भनेर आदेश निर्धारण गर्न एक समयमा एक जार देखि आएको थियो। परिणाम आधारमा, सेप्टेम्बर 14 मा जन्मेका मानिसहरू पहिलो, अप्रिल 24 मा जन्मेका मानिसहरू दोस्रो भनिन्थ्यो, त्यसैले भनिन्छ थिए, र। अन्ततः यो लटरी मा, 195 फरक दिन मा जन्मेका मानिसहरू सेवामा भनिन्छ बेला 171 दिन मा जन्मेका मानिसहरू भनिन्छ थिएनन्।

चित्रा 2.5: कांग्रेसियों अलेक्जेन्डर Pirnie (आर-NY) डिसेम्बर 1 मा छनौट सेवा मस्यौदा लागि पहिलो दानाको चित्रकला, 1969. यहोशू Angrist (1990) सैनिक सेवा को प्रभाव अनुमान गर्न सामाजिक सुरक्षा प्रशासन आय डाटा संग मस्यौदा लटरी संयुक्त आय मा। यो एक प्राकृतिक प्रयोग प्रयोग अनुसन्धान को एउटा उदाहरण हो। स्रोत: विकिमिडियामा

यसलाई तुरुन्तै स्पष्ट हुन सक्छ तापनि, एउटा मस्यौदा लटरी एक यादृच्छिक नियन्त्रण प्रयोग गर्न एक महत्वपूर्ण समानता छ: दुवै अवस्थामा सहभागी अनियमित एक उपचार प्राप्त गर्न काम तोकिएको छ। मस्यौदा लटरी को मामला मा, हामी मस्यौदा-योग्यता र पछि श्रम बजार आय मा सैनिक सेवा को प्रभाव सिक्न इच्छुक छन् भने, हामी मान्छे जसको birthdates को चिट्ठा cutoff तल थिए (लागि परिणाम तुलना गर्न सक्छन् जस्तै, सेप्टेम्बर 14, अप्रिल 24, आदि) मान्छे जसको जन्मदिन को cutoff पछि थिए (जस्तै, 20 फेब्रुअरी, डिसेम्बर 2, आदि) को लागि परिणाम संग।

भनेर मस्यौदा तैयार भइरहेको यस उपचार अनियमित नियुक्त गरिएको छ दिइएको, हामी त मापन गरिएको छ कि कुनै पनि नतिजा लागि यो उपचार को प्रभाव मापन गर्न सक्नुहुन्छ। उदाहरणका लागि, Angrist (1990) को अनियमित सामाजिक सुरक्षा प्रशासन संकलित थियो आय डाटा निष्कर्षमा पुग्न गर्न सेतो वृद्धहरुको को आय 15% तुलना गैर-वृद्धहरुको को आय भन्दा कम थिए साथ मस्यौदा मा चयन गरिएको बारे जानकारी संयुक्त । अन्य अनुसन्धानकर्ताहरूले साथै यस्तै चाल प्रयोग गरेका छन्। उदाहरणका लागि, Conley and Heerwig (2011) को अनियमित 2000 को जनगणना र 2005 अमेरिकी समुदाय सर्वेक्षण देखि संकलित घरेलू डाटा संग मस्यौदा मा चयन गरिएको बारे जानकारी संयुक्त र यति लामो मस्यौदा पछि, त्यहाँ को सानो दीर्घकालीन प्रभाव भेट्टाए यस्तो आवास कार्यकाल (भाडामा बनाम owning) र आवासीय स्थिरता (अघिल्लो पाँच वर्ष मा सारियो भएको likelihood) रूपमा परिणाम को विविधता मा सैनिक सेवा।

यो उदाहरण देखाउँछ रूपमा, कहिले काँही, सामाजिक, राजनीतिक, वा प्राकृतिक शक्तिहरू प्रयोगहरू वा अनुसन्धानकर्ताहरूले द्वारा leveraged गर्न सकिन्छ कि निकट-प्रयोगहरू सिर्जना गर्नुहोस्। जहाँ यो नैतिक वा बेतरतीब नियंत्रित प्रयोगहरू सञ्चालन गर्न व्यावहारिक छ अक्सर प्राकृतिक प्रयोगहरू सेटिङमा कारण-र-प्रभाव सम्बन्ध अनुमान गर्न सबै भन्दा राम्रो तरिका हो। तिनीहरू गैर-प्रयोगात्मक डाटा उचित तुलना खोजी एउटा महत्त्वपूर्ण रणनीति हो। यो अनुसन्धान रणनीति यो समीकरण द्वारा सारांशित गर्न सकिन्छ:

\ [\ पाठ {अनियमित (वा अनियमित भने) घटना} + \ पाठ {सधैं-डाटा प्रवाह} = \ पाठ {प्राकृतिक प्रयोग} \ qquad (2.1) \]

तर, प्राकृतिक प्रयोगहरू को विश्लेषण एकदम मुश्किल हुन सक्छ। उदाहरणका लागि, भियतनाम मस्यौदा को मामला मा, सबैले मस्यौदा-योग्य सेवा समाप्त भएको थियो जो (exemptions विभिन्न थिए)। र, त्यही समयमा, मस्यौदा-योग्य थिए केही मानिसहरू सेवाको लागि स्वयम्सेवा। नयाँ दबाइ को एक चिकित्सीय परीक्षण मा, उपचार समूहमा केही मानिसहरू आफ्नो चिकित्सा लिन भने गरे र नियन्त्रण समूह मा मान्छे को केही तरिका दबाइ प्राप्त रूपमा थियो। यो समस्या, दुई-पक्षीय noncompliance भनिन्छ, साथै अन्य धेरै समस्या यस अध्यायमा अन्तमा सिफारिस अध्ययनहरू केही मा ठूलो विस्तार वर्णन गरिएको छ।

स्वाभाविक अनियमित जिम्मेवारी निरन्तर फाइदा लिइरहेको को रणनीति डिजिटल उमेर precedes, तर ठूलो डाटा को प्रसार यो रणनीति धेरै प्रयोग गर्न सजिलो बनाउँछ। एकपटक तपाईंले केही उपचार अनियमित नियुक्त गरिएको छ महसुस, ठूलो डाटा स्रोतहरु तपाईं उपचार र नियन्त्रण अवस्थामा मान्छे को लागि परिणाम तुलना गर्न आवश्यक छ कि नतिजा डाटा प्रदान गर्न सक्छ। उदाहरणका लागि, मस्यौदा र सैनिक सेवा को प्रभाव को अध्ययनमा, Angrist सामाजिक सुरक्षा प्रशासन आय रेकर्ड प्रयोग गरे; यो नतिजा डाटा बिना, आफ्नो अध्ययन गर्न सम्भव थियो। यो अवस्थामा, सामाजिक सुरक्षा प्रशासन सधैं-ठूलो डाटा स्रोत हो। थप र स्वचालित रूपमा संकलित डाटा स्रोतहरु अवस्थित रूपमा, हामी थप नतिजा डाटा exogenous विविधता द्वारा सिर्जना परिवर्तन को प्रभाव मापन गर्न सक्ने हुनेछ।

डिजिटल युगमा यो रणनीति चित्रण गर्न, गरेको Mas र Moretti गरेको विचार गरौं (2009) उत्पादकत्व मा साथीहरूले को प्रभाव मा सुरुचिपूर्ण अनुसन्धान। सतहमा यो संरचना मा, भियतनाम मस्यौदा को प्रभाव बारे Angrist गरेको अध्ययन भन्दा फरक लाग्न सक्छ तापनि तिनीहरू दुवै EQ मा पछ्याउँछन्। 2.1।

Mas र Moretti मापन साथीहरूले कार्यकर्ता को उत्पादकत्व कसरी असर गर्छ। एक हात मा, एक कठिन काम साथीहरूको भएको हुनाले साथीहरूको दबाबको आफ्नो उत्पादकत्व वृद्धि गर्न कामदारहरूलाई नेतृत्व हुन सक्छ। अथवा, अर्कोतर्फ, एक कठिन काम साथीहरूको अन्य कार्यकर्ता पनि अधिक बन्द सुस्त नेतृत्व हुन सक्छ। उत्पादकत्व मा साथीहरूको प्रभाव अध्ययन गर्न clearest तरिका हुनेछ एक बेतरतीब नियंत्रित प्रयोग कहाँ कामदारहरूको अनियमित विभिन्न उत्पादकत्व स्तर को कार्यकर्ता संग फेरबदल काम तोकिएको छ र त्यसपछि परिणामस्वरूप उत्पादकत्व सबैका लागि मापन गरिएको छ हुन। अनुसन्धानकर्ताहरूले तथापि, कुनै पनि वास्तविक व्यापार मा कामदारहरूको को अनुसूची नियन्त्रण छैन, र त Mas र Moretti एक सुपरमार्केट मा भयो जो प्राकृतिक प्रयोग भर थियो।

बस EQ जस्तै। 2.1, आफ्नो अध्ययन दुई भागहरु थियो। पहिलो, तिनीहरूले एक सटीक, व्यक्तिगत छ सुपरमार्केट चेकआउट सिस्टम देखि लग प्रयोग र उत्पादकत्व को उपाय सधैं-: प्रति सेकेन्ड स्क्यान वस्तुहरूको संख्या। र, दोस्रो, किनभने निर्धारण यो सुपरमार्केट मा गरेको थियो बाटो, तिनीहरूले साथीहरूमध्ये अनियमित संरचना नजिकै छ। अर्को शब्दमा, तापनि कैशियर को अनुसूची एक लटरी द्वारा निर्धारित छैन, यो अनिवार्य अनियमित थियो। व्यवहार मा, हामी प्राकृतिक प्रयोगहरू मा छ आत्मविश्वास बारम्बार यो "रूपमा-यदि" अनियमित दावी को plausibility मा टिका। यो अनियमित विविधता फाइदा उठाएर, Mas र Moretti काम उच्च उत्पादकत्व साथीहरूले साथ उत्पादकत्व बढ्ने फेला परेन। यसबाहेक, Mas र Moretti थप दुई महत्त्वपूर्ण र सूक्ष्म मुद्दाहरू अन्वेषण गर्न कारण-र-प्रभाव को अनुमान परे सार्न आकार र आफ्नो डेटासेटको richness प्रयोग: (कामदारको प्रकार प्रभाव ठूलो छ जसको लागि) यो प्रभाव को heterogeneity र संयन्त्र प्रभाव पछि (किन उच्च उत्पादकत्व साथीहरूले उच्च उत्पादकत्व नेतृत्व भएको गर्छ)। हामी अझ विस्तृत प्रयोगहरू छलफल गर्दा हामी उपचार प्रभाव र संयन्त्र-अध्याय 5 को यी दुई महत्त्वपूर्ण मुद्दाहरू-heterogeneity आउनेछु।

आय र उत्पादकत्व मा साथीहरूले को प्रभाव को अध्ययन मा भियतनाम मस्यौदा को प्रभाव मा अध्ययन बाट Generalizing, टेबल 2.3 यो ठीक त्यसै संरचना छ कि अन्य अध्ययन सार: एक सधैं-डेटा स्रोत केही घटना को प्रभाव मापन गर्न प्रयोग । तालिका 2.3 स्पष्ट बनाउँछ तपाईं बस तिनीहरूलाई खोज्न कसरी थाहा छ भने, प्राकृतिक प्रयोगहरू जताततै छन्।

व्यवहार मा, अनुसन्धानकर्ताहरूले फलदायी हुन सक्छ दुवै जो प्राकृतिक प्रयोग, फेला लागि दुई फरक रणनीति प्रयोग गर्नुहोस्। डाटा सधैं-स्रोत सुरु र संसारमा अनियमित घटनाहरू खोज्न केही अनुसन्धानकर्ताहरूले; अरूलाई संसारमा अनियमित घटनाहरू सुरु र तिनीहरूका प्रभाव कब्जा डाटा स्रोतहरु खोज्न। अन्तमा, प्राकृतिक प्रयोगहरू को बल तथ्याङ्क विश्लेषण को sophistication होइन आउँछ, तर इतिहास को एक भाग्यवान् संयोगले सिर्जना निष्पक्ष तुलना खोजी मा हेरविचार देखि याद।