2.4.1.1 न्यूयोर्क शहर ट्याक्सी

न्यूयोर्क मा ट्याक्सी चालकहरुको निर्णय बनाउने अध्ययन गर्न ट्याक्सी मिटर देखि ठूलो डाटा प्रयोग गरिएको शोधकर्ता। यी डाटा राम्रो यो अनुसन्धान को लागि अनुकूल थियो।

सही कुरा गणना को सरल शक्ति को एक उदाहरण बाट हेनरी Farber गरेको आउँछ (2015) न्यूयोर्क शहर ट्याक्सी चालक को व्यवहार को अध्ययन। यो समूह बित्तिकै रोचक ध्वनि सक्छ तापनि छैन यो श्रम अर्थशास्त्र मा दुई प्रतिस्पर्धा सिद्धान्त परीक्षण को लागि एक रणनीतिक अनुसन्धान साइट हो। Farber गरेको अनुसन्धान को उद्देश्यका लागि, त्यहाँ ट्याक्सी चालकहरुको काम वातावरण बारे दुई महत्वपूर्ण विशेषताहरु हो: 1) आफ्नो प्रतिघण्टा ज्याला दिन-को दिन, मौसम कारक मा भाग मा आधारित देखि उतारचढाव र तिनीहरूले काम घण्टा 2) संख्या को चालक निर्णय आधारित प्रत्येक दिन उतार चढाव गर्न सक्नुहुन्छ। यी सुविधाहरू प्रतिघण्टा ज्याला र घण्टा काम बीचको सम्बन्ध बारे एउटा रोचक प्रश्न गर्न नेतृत्व। अर्थशास्त्र मा Neoclassical मोडेल भनेर ट्याक्सी चालक तिनीहरूले उच्च प्रतिघण्टा ज्याला पाउने दिन थप काम भविष्यवाणी। वैकल्पिक रूपमा, व्यवहार अर्थशास्त्र देखि मोडेल ठ्याक्कै विपरीत भविष्यवाणी। चालक एक विशेष आय सेट भने लक्ष्य-भन्न $ 100 प्रति दिन-र काम लक्ष्य पूरा नभएसम्म, त्यसपछि चालकहरू अन्त हुनेछ तिनीहरूले थप कमाउन छन् कि दिन मा कम घण्टा काम। उदाहरणका लागि, तपाईं एक लक्ष्य आर्जन थिए भने, तपाईं 4 घण्टा काम मा राम्रो दिन ($ 25 प्रति घण्टा) र खराब दिन ($ 20 प्रति घण्टा) 5 घण्टा अन्त हुन सक्छ। त्यसैले, चालक थप घण्टा काम गर्छन् उच्च प्रतिघण्टा ज्याला (रूपमा Neoclassical मोडेल द्वारा भविष्यवाणी) वा बढी घण्टा कम प्रतिघण्टा ज्याला संग दिन मा संग दिन मा (व्यवहार आर्थिक मोडेल द्वारा भविष्यवाणी रूपमा)?

2013, डाटा छन् कि - यो प्रश्नको जवाफ Farber द्वारा न्यूयोर्क शहर क्याब्स लिएको 2009 देखि हरेक ट्याक्सी यात्रा मा डाटा प्राप्त सार्वजनिक रूपमा उपलब्ध । टिप एक साथ भुक्तानी थियो भने सुरु स्थान, अन्त समय, अन्त स्थान, भाडा, र टिप (, सुरु समय: यो डाटा-जो इलेक्ट्रनिक मीटर शहर ट्याक्सी आवश्यक संकलित थियो प्रत्येक यात्राको लागि जानकारी को धेरै टुक्रा प्रयोग-समावेश क्रेडिट कार्ड)। कुल, Farber डाटा जानकारी समावेश लगभग 40 लाख फेरबदल समयमा लिएको लगभग 900 मिलियन यात्राहरूमा (एक पारी लगभग एक चालक लागि एक दिन काम छ)। वास्तवमा, त्यहाँ मात्र Farber आफ्नो विश्लेषण लागि यो एक यादृच्छिक नमूना प्रयोग, यति डाटा थियो। यो ट्याक्सी मीटर डाटा प्रयोग, Farber सबैभन्दा चालक दिन थप काम ज्याला को Neoclassical सिद्धान्त संग उच्च, लगातार हुँदा फेला परेन। यो मुख्य खोजन साथै, Farber heterogeneity र गतिशीलता को एक राम्रो समझ लागि डाटा को आकार लाभ गर्न सक्षम थियो। Farber समय नयाँ चालक बिस्तारै उच्च ज्याला दिन थप घण्टा काम गर्न सिक्नु फेला (जस्तै, तिनीहरूले Neoclassical मोडेल भविष्यवाणी रूपमा व्यवहार गर्न सिक्न)। र, थप लक्ष्य earners जस्तै व्यवहार गर्ने नयाँ चालक एक ट्याक्सी चालक हुनुको अन्त्य गर्न बढी सम्भावना हुन्छ। वर्तमान चालक को पालन व्यवहार बताउन मदत जो यी थप सूक्ष्म निष्कर्ष, दुवै, किनभने डेटासेटको आकार मात्र सम्भव थियो। तिनीहरूले छोटो अवधि (जस्तै, अधिक ट्याक्सी चालकहरुको एक सानो संख्या कागज यात्रा पानाहरू प्रयोग पहिले अध्ययन मा पत्ता लगाउन असम्भव भएको थियो Camerer et al. (1997) )।

Farber गरेको अध्ययन ठूलो डाटा प्रयोग गरेर अध्ययनको लागि एक सर्वोत्तम मामला नजिक थियो। पहिलो, डाटा शहर डिजिटल मीटर प्रयोग गर्न चालक आवश्यक छ किनभने गैर-प्रतिनिधि थिए। र, डाटा शहर संकलित थियो डाटा राम्रो उहाँले विकल्प थिएन भने Farber संकलन गरेका छन् भनेर डाटा नजिक थियो किनभने अपूर्ण थिए (एक फरक Farber कुल ज्याला-भाडा प्लस tips- मा चाहन्थे डाटा भनेर छ तर शहर डाटा मात्र क्रेडिट कार्ड भुक्तान सुझाव समावेश)। Farber गरेको अनुसन्धान गर्न प्रमुख राम्रो डाटा असल प्रश्न संयोजन थियो। एक्लै डाटा पर्याप्त छैनन्।