ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਸੰਸਾਰ ਵਿੱਚ ਲਗਾਤਾਰ ਘਟਨਾ ਦਾ ਫਾਇਦਾ ਲੈ. ਬੇਤਰਤੀਬੇ ਘਟਨਾ + ਹਮੇਸ਼ਾ-'ਤੇ ਡਾਟਾ ਸਿਸਟਮ = ਕੁਦਰਤੀ ਤਜਰਬੇ
ਬੇਤਰਤੀਬੀ ਕੰਟਰੋਲ ਪ੍ਰਯੋਗ ਨਿਰਪੱਖ ਮੁਕਾਬਲੇ ਯੋਗ ਕਰਨ ਦੀ ਕੁੰਜੀ randomization ਹੈ. ਪਰ, ਕਦੇ-ਕਦੇ ਕੁਝ ਅਜਿਹਾ ਸੰਸਾਰ ਹੈ, ਜੋ ਕਿ ਜਰੂਰੀ ਵੱਖ-ਵੱਖ ਇਲਾਜ ਲਈ ਲਗਾਤਾਰ ਲਗਾਤਾਰ ਜ ਕਰੀਬ ਲੋਕ ਨਿਰਧਾਰਤ ਵਿੱਚ ਵਾਪਰਦਾ ਹੈ. ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਵਰਤਣ ਦੀ ਰਣਨੀਤੀ ਦੇ ਸਪਸ਼ਟ ਮਿਸਾਲ ਦੇ ਇੱਕ ਦੇ ਖੋਜ ਤੱਕ ਮਿਲਦੀ ਹੈ Angrist (1990) ਹੈ, ਜੋ ਕਿ ਕਮਾਈ 'ਤੇ ਫੌਜੀ ਸੇਵਾ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਮਾਪਦਾ ਹੈ.
ਵੀਅਤਨਾਮ ਵਿੱਚ ਜੰਗ ਦੇ ਦੌਰਾਨ, ਸੰਯੁਕਤ ਰਾਜ ਅਮਰੀਕਾ ਦਾ ਇੱਕ ਖਰੜਾ ਦੁਆਰਾ ਇਸ ਦੇ ਹਥਿਆਰਬੰਦ ਫ਼ੌਜ ਦਾ ਆਕਾਰ ਦਾ ਵਾਧਾ. ਕ੍ਰਮ ਇਹ ਫੈਸਲਾ ਕਰਨ ਲਈ ਹੈ, ਜੋ ਕਿ ਨਾਗਰਿਕ ਸੇਵਾ ਵਿੱਚ ਬੁਲਾਇਆ ਕੀਤਾ ਜਾਵੇਗਾ 'ਚ, ਅਮਰੀਕੀ ਸਰਕਾਰ ਨੂੰ ਇਕ ਲਾਟਰੀ ਦਾ ਆਯੋਜਨ ਕੀਤਾ. ਹਰ ਜਨਮ ਕਾਗਜ਼ ਦੇ ਇੱਕ ਟੁਕੜੇ ਤੇ ਨੁਮਾਇੰਦਗੀ ਕੀਤਾ ਗਿਆ ਸੀ, ਅਤੇ ਇਹ ਪੱਤਰ ਇੱਕ ਵਿਸ਼ਾਲ ਸ਼ੀਸ਼ੇ ਦੀ ਸ਼ੀਸ਼ੀ ਵਿੱਚ ਰੱਖਿਆ ਗਿਆ ਸੀ. ਚਿੱਤਰ 2.5 ਵਿੱਚ ਵਿਖਾਇਆ ਗਿਆ ਹੈ, ਕਾਗਜ਼ ਦੇ ਇਹ ਉਖੇੜੇ ਇੱਕ ਵਾਰ 'ਤੇ ਘੜਾ ਇੱਕ ਤੱਕ ਖਿੱਚੇ ਗਏ ਸਨ ਕਿ ਨੌਜਵਾਨ (ਨੌਜਵਾਨ ਮਹਿਲਾ ਡਰਾਫਟ ਦੇ ਅਧੀਨ ਨਾ ਸਨ) ਦੀ ਸੇਵਾ ਕਰਨ ਲਈ ਕਿਹਾ ਜਾ ਜਾਵੇਗਾ ਪਤਾ ਕਰਨ ਲਈ. ਨਤੀਜੇ ਦੇ ਆਧਾਰ 'ਤੇ, 14 ਸਤੰਬਰ ਨੂੰ ਪੈਦਾ ਹੋਇਆ ਲੋਕ ਪਹਿਲੀ ਬੁਲਾਇਆ ਗਿਆ ਸੀ, 24 ਅਪ੍ਰੈਲ ਨੂੰ ਹੋਇਆ ਆਦਮੀ ਦੂਜਾ ਬੁਲਾਇਆ ਗਿਆ ਸੀ, ਅਤੇ ਇਸ' ਤੇ. ਆਖਰਕਾਰ, ਇਸ ਲਾਟਰੀ ਵਿੱਚ, 195 ਵੱਖ-ਵੱਖ ਦਿਨ 'ਤੇ ਪੈਦਾ ਹੋਇਆ ਲੋਕ ਸੇਵਾ ਕਰਨ ਲਈ ਬੁਲਾਇਆ ਗਿਆ ਸੀ, ਜਦਕਿ 171 ਦਿਨ' ਤੇ ਪੈਦਾ ਹੋਇਆ ਲੋਕ ਕਹਿੰਦੇ ਨਾ ਕੀਤਾ ਗਿਆ ਸੀ.
ਪਰ ਇਸ ਨੂੰ ਤੁਰੰਤ ਜ਼ਾਹਰ ਨਾ ਹੋ ਸਕਦਾ ਹੈ, ਇੱਕ ਖਰੜਾ ਲਾਟਰੀ ਨੂੰ ਇੱਕ ਬੇਤਰਤੀਬੀ ਕੰਟਰੋਲ ਤਜਰਬੇ ਨੂੰ ਕਰਨ ਲਈ ਇੱਕ ਨਾਜ਼ੁਕ ਸਮਾਨਤਾ ਹੈ: ਦੋਨੋ ਹਾਲਾਤ ਵਿਚ ਹਿੱਸਾ ਲੈਣ ਲਗਾਤਾਰ ਇਲਾਜ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਨਿਰਧਾਰਤ ਕਰ ਰਹੇ ਹਨ. ਡਰਾਫਟ ਲਾਟਰੀ ਦੇ ਮਾਮਲੇ ਵਿੱਚ, ਜੇ ਸਾਨੂੰ ਖਰੜਾ-ਯੋਗਤਾ ਅਤੇ ਇਸ ਉਪਰੰਤ ਲੇਬਰ ਮਾਰਕੀਟ ਕਮਾਈ 'ਤੇ ਫੌਜੀ ਸੇਵਾ ਦੇ ਪ੍ਰਭਾਵ ਬਾਰੇ ਸਿੱਖਣ ਵਿੱਚ ਦਿਲਚਸਪੀ ਰੱਖਦੇ ਹਨ, ਲੋਕ ਸਾਡੇ ਨਾਲ ਜਿਸ ਦੇ birthdates ਲਾਟਰੀ cutoff ਹੇਠ ਸਨ (ਲਈ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਕਰ ਸਕਦੇ ਹੋ, ਉਦਾਹਰਨ, 14 ਸਤੰਬਰ, ਅਪ੍ਰੈਲ 24, ਆਦਿ) ਲੋਕ, ਜਿਸ ਦੇ ਜਨਮਦਿਨ cutoff ਦੇ ਬਾਅਦ ਸਨ (ਉਦਾਹਰਨ ਲਈ, 20 ਫਰਵਰੀ, 2 ਦਸੰਬਰ, ਆਦਿ) ਲਈ ਨਤੀਜੇ ਦੇ ਨਾਲ.
ਦਿੱਤਾ ਹੈ, ਜੋ ਕਿ ਤਿਆਰ ਕੀਤਾ ਜਾ ਰਿਹਾ ਹੈ ਦੇ ਇਸ ਇਲਾਜ ਲਗਾਤਾਰ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਸਾਨੂੰ ਫਿਰ ਕੋਈ ਵੀ ਨਤੀਜਾ ਹੈ, ਜੋ ਕਿ ਮਾਪਿਆ ਗਿਆ ਹੈ ਇਸ ਲਈ ਇਸ ਦੇ ਇਲਾਜ ਦਾ ਪ੍ਰਭਾਵ ਨੂੰ ਮਾਪ ਸਕਦਾ ਹੈ. ਉਦਾਹਰਨ ਲਈ, Angrist (1990) , ਜੋ ਲਗਾਤਾਰ ਕਮਾਈ ਡਾਟਾ ਹੈ, ਜੋ ਕਿ ਸਮਾਜਿਕ ਸੁਰੱਖਿਆ ਪ੍ਰਸ਼ਾਸਨ ਦੁਆਰਾ ਇਕੱਠੀ ਕੀਤੀ ਗਈ ਸੀ ਜੋ ਕਿ ਸਿੱਟਾ ਚਿੱਟੇ ਵੈਟਰਨਜ਼ ਦੇ ਕਮਾਈ ਦੇ ਬਾਰੇ 15% ਮੁਕਾਬਲੇ ਦੀ ਗੈਰ-ਸਾਬਕਾ ਦੀ ਕਮਾਈ ਵੱਧ ਘੱਟ ਸਨ ਦੇ ਨਾਲ ਡਰਾਫਟ ਵਿੱਚ ਚੁਣਿਆ ਗਿਆ ਸੀ ਬਾਰੇ ਜਾਣਕਾਰੀ ਮਿਲਾ . ਹੋਰ ਖੋਜਕਾਰ ਇਸੇ ਚਾਲ ਦੇ ਨਾਲ ਨਾਲ ਵਰਤਿਆ ਹੈ. ਮਿਸਾਲ ਲਈ, Conley and Heerwig (2011) , ਜੋ ਲਗਾਤਾਰ 2000 ਦੀ ਮਰਦਮਸ਼ੁਮਾਰੀ ਅਤੇ 2005 ਅਮਰੀਕੀ ਕਮਿਊਨਿਟੀ ਸਰਵੇ ਇਕੱਠੇ ਘਰ ਦਾ ਡਾਟਾ ਦੇ ਨਾਲ ਡਰਾਫਟ ਵਿੱਚ ਚੁਣਿਆ ਗਿਆ ਸੀ ਬਾਰੇ ਜਾਣਕਾਰੀ ਮਿਲਾ ਹੈ ਅਤੇ ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਇਸ ਲਈ ਲੰਬੇ ਡਰਾਫਟ ਦੇ ਬਾਅਦ, ਉਥੇ ਦੇ ਬਹੁਤ ਘੱਟ ਲੰਬੀ ਮਿਆਦ ਪ੍ਰਭਾਵ ਸੀ ਅਜਿਹੇ ਹਾਊਸਿੰਗ ਕਾਰਜਕਾਲ (ਕਿਰਾਏ ਬਨਾਮ ਦੇ ਮਾਲਕ) ਅਤੇ ਰਿਹਾਇਸ਼ੀ ਸਥਿਰਤਾ (ਪਿਛਲੇ ਪੰਜ ਸਾਲ ਵਿਚ ਚਲੇ ਗਏ ਸੀ ਦੀ ਸੰਭਾਵਨਾ) ਦੇ ਤੌਰ ਤੇ ਨਤੀਜੇ ਦੇ ਕਈ 'ਤੇ ਫੌਜੀ ਸੇਵਾ.
ਇਸ ਉਦਾਹਰਨ ਲੱਗਦਾ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ, ਕਈ ਵਾਰ, ਸਮਾਜਿਕ ਸਿਆਸੀ, ਜ ਕੁਦਰਤੀ ਬਲ ਪ੍ਰਯੋਗ ਜ ਦੇ ਨੇੜੇ-ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ ਖੋਜਕਾਰ ਦੇ ਕੇ ਵਰਤਿਆ ਜਾ ਸਕਦਾ ਹੈ ਬਣਾਓ. ਅਕਸਰ ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਵਧੀਆ ਤਰੀਕੇ ਨਾਲ ਸੈਟਿੰਗ ਵਿੱਚ ਕਾਰਨ-ਅਤੇ-ਪ੍ਰਭਾਵ ਰਿਸ਼ਤੇ ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ, ਜਿੱਥੇ ਇਹ ਨੈਤਿਕ ਜ ਅਮਲੀ ਬੇਤਰਤੀਬੀ ਕੰਟਰੋਲ ਪ੍ਰਯੋਗ ਨੂੰ ਚਲਾਉਣ ਲਈ ਨਹੀ ਹੈ, ਹਨ. ਉਹ ਗੈਰ-ਤਜਰਬੇ ਡਾਟਾ ਵਿਚ ਨਿਰਪੱਖ ਤੁਲਨਾ ਖੋਜ ਲਈ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਰਣਨੀਤੀ ਹਨ. ਇਸ ਖੋਜ ਰਣਨੀਤੀ ਇਸ ਸਮੀਕਰਨ ਕੇ ਸਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ:
\ [\ ਪਾਠ ਨੂੰ {ਬੇਤਰਤੀਬੇ (ਜ ਜੇ ਬੇਤਰਤੀਬੇ ਦੇ ਤੌਰ ਤੇ) ਘਟਨਾ} + \ ਪਾਠ ਨੂੰ {ਹਮੇਸ਼ਾ-'ਤੇ ਡਾਟਾ ਸਟਰੀਮ} = \ ਪਾਠ ਨੂੰ {ਕੁਦਰਤੀ ਤਜਰਬੇ} \ qquad (2.1) \]
ਪਰ, ਕੁਦਰਤੀ ਤਜ਼ਰਬੇ ਦੇ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਫ਼ੀ ਛਲ ਹੋ ਸਕਦਾ ਹੈ. ਮਿਸਾਲ ਲਈ, ਵੀਅਤਨਾਮ ਡਰਾਫਟ ਦੇ ਮਾਮਲੇ 'ਚ, ਨਾ ਹਰ ਕੋਈ ਜੋ ਖਰੜਾ-ਯੋਗ ਦੀ ਸੇਵਾ ਨੂੰ ਬੰਦ ਹੋ ਗਿਆ ਸੀ (ਛੋਟ ਦੀ ਇੱਕ ਕਿਸਮ ਦੇ ਸਨ). ਅਤੇ, ਉਸੇ ਵੇਲੇ 'ਤੇ, ਕੁਝ ਲੋਕ ਹਨ ਜੋ ਖਰੜਾ ਤਿਆਰ-ਯੋਗ ਨਾ ਕੀਤਾ ਗਿਆ ਸੀ ਦੀ ਸੇਵਾ ਲਈ ਰਾਜ਼ੀ. ਤੌਰ ਤੇ ਇਹ ਸੀ ਕਿ ਜੇ ਇੱਕ ਨਵ ਨਸ਼ੇ ਦੀ ਕਲੀਨਿਕਲ ਪਰੀਖਣ ਵਿਚ, ਇਲਾਜ ਸਮੂਹ ਵਿੱਚ ਕੁਝ ਲੋਕ ਆਪਣੇ ਦਵਾਈ ਨਾ ਲੈਣ ਅਤੇ ਸੀ ਕੰਟਰੋਲ ਗਰੁੱਪ ਵਿੱਚ ਕੁਝ ਲੋਕ ਅੱਜਕੱਲ੍ਹ ਨਸ਼ੇ ਪ੍ਰਾਪਤ ਕੀਤਾ. ਇਹ ਸਮੱਸਿਆ ਦੋ-ਪਾਸੜ ਤੇਰੱਦ ਕਹਿੰਦੇ ਹਨ, ਦੇ ਨਾਲ ਨਾਲ ਹੋਰ ਵੀ ਬਹੁਤ ਸਾਰੇ ਸਮੱਸਿਆ ਇਸ ਅਧਿਆਇ ਦੇ ਅੰਤ 'ਤੇ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਨਾਪ ਦੇ ਕੁਝ ਵਿੱਚ ਵੱਡਾ ਵਿਸਥਾਰ ਵਿੱਚ ਦੱਸਿਆ ਗਿਆ ਹੈ.
ਕੁਦਰਤੀ ਬੇਤਰਤੀਬੇ ਕੰਮ ਵਾਪਰਨ ਦਾ ਫਾਇਦਾ ਲੈਣ ਦੀ ਰਣਨੀਤੀ ਡਿਜ਼ੀਟਲ ਦੀ ਉਮਰ ਲੱਭਦਾ ਹੈ, ਪਰ ਵੱਡੇ ਡਾਟਾ ਦੇ ਫੈਲੀ ਇਸ ਰਣਨੀਤੀ ਬਹੁਤ ਹੀ ਆਸਾਨ ਵਰਤਣ ਲਈ ਕਰਦਾ ਹੈ. ਇੱਕ ਵਾਰ ਇਹ ਅਹਿਸਾਸ ਕੁਝ ਇਲਾਜ ਲਗਾਤਾਰ ਜਾਰੀ ਕੀਤਾ ਗਿਆ ਹੈ, ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਨਤੀਜਾ ਡਾਟਾ ਹੈ, ਜੋ ਕਿ ਤੁਹਾਨੂੰ ਇਲਾਜ ਅਤੇ ਕੰਟਰੋਲ ਹਾਲਾਤ ਵਿੱਚ ਲੋਕ ਲਈ ਨਤੀਜੇ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ ਲੋੜ ਹੈ ਮੁਹੱਈਆ ਕਰ ਸਕਦਾ ਹੈ. ਮਿਸਾਲ ਲਈ, ਡਰਾਫਟ ਅਤੇ ਫ਼ੌਜੀ ਸੇਵਾ ਦੇ ਪ੍ਰਭਾਵ ਦੇ ਉਸ ਦੇ ਅਧਿਐਨ ਕਰਨ ਵਿਚ, Angrist ਸਮਾਜਿਕ ਸੁਰੱਖਿਆ ਪ੍ਰਸ਼ਾਸਨ ਤੱਕ ਦੀ ਕਮਾਈ ਦੇ ਰਿਕਾਰਡ ਦੀ ਵਰਤੋ ਕੀਤੀ ਹੈ; ਇਸ ਦਾ ਨਤੀਜਾ ਡਾਟਾ ਦੇ ਬਗੈਰ, ਉਸ ਦੇ ਅਧਿਐਨ ਕਰਨ ਸੰਭਵ ਹੋ ਗਿਆ ਹੈ, ਨਾ ਹੋਵੇਗਾ. ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਸਮਾਜਿਕ ਸੁਰੱਖਿਆ ਪ੍ਰਸ਼ਾਸਨ ਹਮੇਸ਼ਾ-'ਤੇ ਵੱਡੇ ਡਾਟਾ ਸਰੋਤ ਹੈ. ਹੋਰ ਅਤੇ ਹੋਰ ਜਿਆਦਾ ਆਪਣੇ ਆਪ ਹੀ ਇਕੱਠੀ ਕੀਤੀ ਡਾਟਾ ਸਰੋਤ ਮੌਜੂਦ ਹੋਣ ਦੇ ਨਾਤੇ, ਸਾਨੂੰ ਹੋਰ ਦਾ ਨਤੀਜਾ ਡਾਟਾ ਹੈ, ਜੋ ਕਿ exogenous ਪਰਿਵਰਤਨ ਦੁਆਰਾ ਬਣਾਇਆ ਬਦਲਾਅ ਦਾ ਪ੍ਰਭਾਵ ਨੂੰ ਮਾਪਣ ਕਰ ਸਕਦੇ ਹੈ.
ਡਿਜ਼ੀਟਲ ਦੀ ਉਮਰ ਵਿੱਚ ਇਸ ਰਣਨੀਤੀ ਮਿਸਾਲ ਲਈ, ਦੀ Mas ਅਤੇ Moretti ਦਾ ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ (2009) ਦੀ ਉਤਪਾਦਕਤਾ 'ਤੇ ਹਾਣੀ ਦੇ ਪ੍ਰਭਾਵ' ਤੇ ਸ਼ਾਨਦਾਰ ਖੋਜ. ਪਰ ਸਤਹ 'ਤੇ ਇਸ ਨੂੰ ਵੀਅਤਨਾਮ ਡਰਾਫਟ ਦੇ ਅਸਰ ਬਾਰੇ Angrist ਦਾ ਅਧਿਐਨ ਕਰਨ ਨੂੰ ਵੱਧ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦੀ ਹੈ, ਬਣਤਰ ਵਿੱਚ ਉਹ ਦੋਨੋ ਈਕਉ ਵਿਚ ਪੈਟਰਨ ਦੀ ਪਾਲਣਾ ਕਰੋ. 2.1.
Mas ਅਤੇ Moretti ਮਾਪਿਆ ਨੂੰ ਹਾਣੀ ਵਰਕਰ ਦੀ ਉਤਪਾਦਕਤਾ 'ਤੇ ਅਸਰ. ਇਕ ਪਾਸੇ 'ਤੇ, ਇੱਕ ਹਾਰਡ ਕੰਮ ਕਰ ਪੀਅਰ ਹੋਣ ਦਬਾਅ ਦੇ ਕਾਰਨ ਆਪਣੇ ਉਤਪਾਦਨ ਨੂੰ ਵਧਾਉਣ ਲਈ ਵਰਕਰ ਦੀ ਅਗਵਾਈ ਕਰ ਸਕਦਾ ਹੈ. ਕੀ, ਦੂਜੇ ਪਾਸੇ 'ਤੇ, ਇੱਕ ਹਾਰਡ ਕੰਮ ਕਰ ਪੀਅਰ ਹੋਰ ਵਰਕਰ ਦੀ ਅਗਵਾਈ ਹੋਰ ਵੀ ਬੰਦ ਢਿੱਲ ਨੂੰ ਹੋ ਸਕਦਾ ਹੈ. ਉਤਪਾਦਕਤਾ ਤੇ ਪੀਅਰ ਪ੍ਰਭਾਵ ਦਾ ਅਧਿਐਨ ਕਰਨ ਲਈ ਸਪਸ਼ਟ ਤਰੀਕੇ ਨਾਲ, ਇੱਕ ਬੇਤਰਤੀਬੀ ਕੰਟਰੋਲ ਤਜਰਬੇ, ਜਿੱਥੇ ਕਰਮਚਾਰੀ ਲਗਾਤਾਰ ਵੱਖ-ਵੱਖ ਉਤਪਾਦਨ ਦੇ ਪੱਧਰ ਦੇ ਵਰਕਰ ਦੇ ਨਾਲ ਵਾਰੀ ਕਰਨ ਲਈ ਭੇਜਿਆ ਕਰ ਰਹੇ ਹਨ ਅਤੇ ਫਿਰ ਨਤੀਜੇ ਉਤਪਾਦਕਤਾ ਹਰ ਕਿਸੇ ਲਈ ਮਾਪਿਆ ਗਿਆ ਹੈ ਹੋ ਜਾਵੇਗਾ. ਖੋਜਕਾਰ, ਪਰ, ਕਿਸੇ ਵੀ ਅਸਲੀ ਕਾਰੋਬਾਰ ਵਿਚ ਕੰਮ ਕਰਨ ਦੀ ਤਹਿ ਨੂੰ ਕੰਟਰੋਲ ਨਾ ਕਰਦੇ, ਅਤੇ ਇਸ ਲਈ Mas ਅਤੇ Moretti ਇੱਕ ਕੁਦਰਤੀ ਤਜਰਬੇ, ਜੋ ਕਿ ਇੱਕ ਸੁਪਰਮਾਰਕੀਟ 'ਚ ਜਗ੍ਹਾ ਲੈ ਲਈ ਤੇ ਭਰੋਸਾ ਕਰਨ ਲਈ ਸੀ.
ਬਸ ਈਕਉ ਵਰਗੇ. 2.1, ਆਪਣੇ ਅਧਿਐਨ ਦਾ ਦੋ ਹਿੱਸੇ ਸੀ. ਪਹਿਲਾ, ਉਹ ਸੁਪਰ ਚੈਕਆਉਟ ਸਿਸਟਮ ਲਾਗ ਵਰਤਿਆ ਇੱਕ ਸਟੀਕ, ਵਿਅਕਤੀ ਕੋਲ ਕਰਨ ਲਈ ਹੈ, ਅਤੇ ਉਤਪਾਦਨ ਦੇ ਮਾਪ ਨੂੰ ਹਮੇਸ਼ਾ-'ਤੇ: ਪ੍ਰਤੀ ਸਕਿੰਟ ਸਕੈਨ ਇਕਾਈ ਦੀ ਗਿਣਤੀ ਹੈ. ਅਤੇ, ਦੂਜਾ ਹੈ, ਕਿਉਕਿ ਤਰੀਕੇ ਨਾਲ ਹੈ, ਜੋ ਕਿ ਤਹਿ ਇਸ ਸੁਪਰਮਾਰਕੀਟ 'ਤੇ ਕੀਤਾ ਗਿਆ ਸੀ ਦੇ, ਉਹ ਹਾਣੀ ਦੇ ਬੇਤਰਤੀਬੇ ਰਚਨਾ ਦੇ ਨੇੜੇ ਹੈ. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਪਰ ਫਿਰ ਵੀ ਕੈਸ਼ੀਅਰ ਦੀ ਤਹਿ ਨੂੰ ਇੱਕ ਲਾਟਰੀ ਕਰਕੇ ਪਤਾ ਨਹੀ ਹੈ, ਇਸ ਨੂੰ ਅਵੱਸ਼ਕ ਲਗਾਤਾਰ ਸੀ. ਅਭਿਆਸ ਵਿੱਚ, ਸਾਨੂੰ ਭਰੋਸਾ ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਵਿੱਚ ਹੈ ਅਕਸਰ ਇਸ ਨੂੰ "ਦੇ ਤੌਰ ਤੇ-ਜੇ" ਬੇਤਰਤੀਬ ਦਾਅਵੇ ਦੇ plausibility 'ਤੇ ਜਿਤਾ. ਇਸ ਬੇਤਰਤੀਬ ਪਰਿਵਰਤਨ ਦਾ ਫਾਇਦਾ ਲੈ ਕੇ, Mas ਅਤੇ Moretti ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਉੱਚ ਉਤਪਾਦਕਤਾ ਹਾਣੀ ਨਾਲ ਕੰਮ ਉਤਪਾਦਕਤਾ ਵਧਾ ਦਿੰਦਾ ਹੈ. ਅੱਗੇ, Mas ਅਤੇ Moretti ਕਾਰਨ-ਅਤੇ-ਪ੍ਰਭਾਵ ਦੇ ਅੰਦਾਜ਼ੇ ਪਰੇ ਜਾਣ ਲਈ ਦੋ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਅਤੇ ਸੂਖਮ ਮੁੱਦੇ ਦੀ ਪੜਚੋਲ ਕਰਨ ਦਾ ਆਕਾਰ ਅਤੇ ਆਪਣੇ dataset ਦੀ ਅਮੀਰੀ ਵਰਤਿਆ: ਇਸ ਸਬੰਧੀ (ਜਿਸ ਦੇ ਲਈ ਕੰਮ ਕਰਨ ਵਾਲੇ ਦੀ ਕਿਸਮ ਦੇ ਪ੍ਰਭਾਵ ਵੱਡਾ ਹੈ) ਦੇ ਸੰਸਿਤੀ ਅਤੇ ਵਿਧੀ ਪ੍ਰਭਾਵ ਪਿੱਛੇ (ਇਸੇ ਉੱਚ ਉਤਪਾਦਕਤਾ ਹਾਣੀ ਵੱਧ ਉਤਪਾਦਨ ਨੂੰ ਲੈ ਕੇ ਹੋਣ ਕਰਦਾ ਹੈ). ਜਦ ਸਾਨੂੰ ਹੋਰ ਵਿਸਥਾਰ ਵਿੱਚ ਪ੍ਰਯੋਗ ਚਰਚਾ ਸਾਨੂੰ ਇਲਾਜ ਪ੍ਰਭਾਵ ਹੈ ਅਤੇ ਢੰਗ-ਵਿੱਚ ਅਧਿਆਇ 5 ਦੇ ਇਹ ਦੋ ਮਹੱਤਵਪੂਰਨ ਮੁੱਦੇ-ਸੰਸਿਤੀ ਨੂੰ ਵਾਪਸ ਕਰ ਦੇਵੇਗਾ.
ਕਮਾਈ ਅਤੇ ਉਤਪਾਦਕਤਾ 'ਤੇ ਹਾਣੀ ਦੇ ਪ੍ਰਭਾਵ ਦਾ ਅਧਿਐਨ' ਤੇ ਵੀਅਤਨਾਮ ਡਰਾਫਟ ਦੇ ਪ੍ਰਭਾਵ 'ਤੇ ਪੜ੍ਹਾਈ ਤੱਕ Generalizing, ਟੇਬਲ 2.3 ਹੋਰ ਪੜ੍ਹਾਈ ਇਸ ਦੀ ਸਹੀ ਵੀ ਉਸੇ ਬਣਤਰ ਹੈ, ਜੋ ਕਿ ਸੰਖੇਪ: ਇੱਕ ਨੂੰ ਹਮੇਸ਼ਾ-' ਤੇ ਡਾਟਾ ਸਰੋਤ ਕੁਝ ਘਟਨਾ ਦੇ ਅਸਰ ਨੂੰ ਮਾਪਣ ਲਈ ਵਰਤ . ਟੇਬਲ 2.3 ਸਾਫ ਕਰਦਾ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ, ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਹਰ ਜਗ੍ਹਾ ਜੇ ਤੁਹਾਨੂੰ ਹੁਣੇ ਹੀ ਉਸ ਦੀ ਭਾਲ ਕਰਨ ਲਈ ਕਿਸ ਨੂੰ ਪਤਾ ਹਨ.
ਠੋਸ ਫੋਕਸ | ਕੁਦਰਤੀ ਤਜਰਬੇ ਦੇ ਸਰੋਤ | ਹਮੇਸ਼ਾ-'ਤੇ ਡਾਟਾ ਸਰੋਤ | ਕੀਟਾਟੀਓਨ |
---|---|---|---|
ਉਤਪਾਦਕਤਾ 'ਤੇ ਅਸਰ ਪੀਅਰ | ਤਹਿ ਕਾਰਵਾਈ ਨੂੰ | ਚੈਕਆਉਟ ਡਾਟਾ | Mas and Moretti (2009) |
ਦੋਸਤੀ ਗਠਨ | ਝੱਖੜ | ਫੇਸਬੁੱਕ | Phan and Airoldi (2015) |
ਜਜ਼ਬਾਤ ਦੀ ਫੈਲਾਅ | ਬਾਰਿਸ਼ | ਫੇਸਬੁੱਕ | Coviello et al. (2014) |
ਆਰਥਿਕ ਸੰਚਾਰ ਦੇਖ ਦੇਖ | ਭੂਚਾਲ | ਮੋਬਾਈਲ ਪੈਸੇ ਨੂੰ ਡਾਟਾ | Blumenstock, Fafchamps, and Eagle (2011) |
ਨਿੱਜੀ ਖਪਤ ਵਿਵਹਾਰ ਨੂੰ | 2013 ਅਮਰੀਕੀ ਸਰਕਾਰ ਨੂੰ ਬੰਦ | ਨਿੱਜੀ ਵਿੱਤ ਡਾਟਾ | Baker and Yannelis (2015) |
recommender ਸਿਸਟਮ ਦੇ ਆਰਥਿਕ ਅਸਰ | ਵੱਖ - ਵੱਖ | ਐਮਾਜ਼ਾਨ 'ਤੇ ਬ੍ਰਾਉਜ਼ਿੰਗ ਡਾਟਾ | Sharma, Hofman, and Watts (2015) |
ਅਣਜੰਮੇ ਬੱਚੇ 'ਤੇ ਤਣਾਅ ਦਾ ਅਸਰ | 2006 ਨੂੰ ਇਸਰਾਏਲ-ਹਿਜਬੁੱਲਾ ਜੰਗ | ਜਨਮ ਦੇ ਰਿਕਾਰਡ | Torche and Shwed (2015) |
ਵਿਕੀਪੀਡੀਆ 'ਤੇ ਵਿਵਹਾਰ ਨੂੰ ਪੜ੍ਹਨਾ | ਸਨੋਡੇਨ ਖੁਲਾਸੇ | ਵਿਕੀਪੀਡੀਆ, ਚਿੱਠੇ | Penney (2016) |
ਅਭਿਆਸ ਵਿੱਚ, ਖੋਜਕਾਰ ਕੁਦਰਤੀ ਤਜ਼ਰਬੇ, ਜਿਸ ਦੀ ਦੋਨੋ ਫਲ ਹੋ ਸਕਦਾ ਹੈ ਨੂੰ ਲੱਭਣ ਲਈ ਦੋ ਵੱਖ-ਵੱਖ ਰਣਨੀਤੀ ਦਾ ਇਸਤੇਮਾਲ ਕਰੋ. ਕੁਝ ਖੋਜਕਾਰ ਡਾਟਾ ਹਮੇਸ਼ਾ-'ਤੇ ਸਰੋਤ ਨਾਲ ਸ਼ੁਰੂ ਕਰਨ ਅਤੇ ਸੰਸਾਰ ਵਿੱਚ ਲਗਾਤਾਰ ਘਟਨਾ ਲਈ ਵੇਖੋ, ਹੋਰ ਸੰਸਾਰ ਵਿੱਚ ਲਗਾਤਾਰ ਘਟਨਾ ਨਾਲ ਸ਼ੁਰੂ ਅਤੇ ਡਾਟਾ ਸਰੋਤ ਹੈ, ਜੋ ਕਿ ਆਪਣੇ ਅਸਰ ਨੂੰ ਹਾਸਲ ਕਰਨ ਲਈ ਵੇਖੋ. ਅੰਤ ਵਿੱਚ, ਧਿਆਨ ਹੈ, ਜੋ ਕਿ ਕੁਦਰਤੀ ਪ੍ਰਯੋਗ ਦੀ ਤਾਕਤ ਅੰਕੜਾ ਵਿਸ਼ਲੇਸ਼ਣ ਦੇ ਆਧੁਨਿਕਤਾ ਤੱਕ ਨਾ ਆਇਆ ਹੈ, ਪਰ ਇਤਿਹਾਸ ਨੂੰ ਦੇ ਇੱਕ ਕਿਸਮਤ ਹਾਦਸੇ ਦੁਆਰਾ ਬਣਾਇਆ ਇੱਕ ਨਿਰਪੱਖ ਮੁਕਾਬਲੇ ਦੀ ਖੋਜ ਵਿੱਚ ਦੇਖਭਾਲ ਤੱਕ.