2.4.3 Аппроксимационные эксперименты
Мы можем приблизить эксперименты , которые мы не можем сделать. Два подхода , которые особенно извлекают выгоду из цифрового возраста соответствие и естественные эксперименты.
Многие важные научные и политические вопросы причинно-следственная. Рассмотрим, например, следующий вопрос: каков эффект программы подготовки рабочих по заработной плате? Один из способов ответить на этот вопрос будет с рандомизированном контролируемом эксперименте, где рабочие были случайным образом распределены либо пройти обучение или не проходят подготовку. Затем исследователи могли оценить эффект подготовки этих участников просто сравнивая зарплаты людей, которые получили обучение для тех, которые не получили его.
Простое сравнение действительно из-за чего-то, что происходит до того, как данные были собраны даже: рандомизации. Без рандомизации, проблема гораздо сложнее. Исследователь может сравнить зарплаты людей, которые добровольно подписались на обучение для тех, кто не регистрации. Это сравнение, вероятно, показывают, что люди, получившие обучение заработали больше, но сколько это из-за тренировок и сколько это потому, что люди, которые Регистраций для обучения отличаются от тех, которые не подписывают, на обучение? Другими словами, это справедливо сравнить зарплаты этих двух групп людей?
Эта озабоченность по поводу справедливого сравнения приводит некоторых исследователей полагать , что это невозможно сделать оценки причинных без проведения эксперимента. Это утверждение идет слишком далеко. Хотя это правда, что эксперименты дают убедительное доказательство причинно-следственных эффектов, существуют и другие стратегии, которые могут предоставить ценные оценки причинные. Вместо того, чтобы думать, что причинная оценки либо легко (в случае экспериментов) или невозможно (в случае пассивно наблюдаемых данных), то лучше подумать о стратегии для создания причинных оценок, лежащих вдоль континуума от самого сильного до самого слабого (рис 2.4). В сильнейшей конце континуума рандомизированных контролируемых экспериментов. Но, это часто бывает трудно сделать в социальных исследованиях, поскольку многие процедуры требуют нереальных объемов сотрудничества со стороны правительств или компаний; довольно просто есть много экспериментов, которые мы не можем сделать. Я посвящу все главе 4 как сильные и слабые стороны рандомизированных контролируемых экспериментов, и я буду утверждать, что в некоторых случаях, есть сильные этические причины предпочесть наблюдательное к экспериментальным методам.
Рисунок 2.4: Континуум исследовательских стратегий для оцениваемых причинных эффектов.
Двигаясь вдоль континуума, бывают ситуации, когда исследователи явно не рандомизированные. То есть, исследователи пытаются узнать эксперимент, как знание фактически не делает эксперимент; Естественно, это будет сложно, но большие данные значительно улучшает нашу способность принимать причинные оценки в этих ситуациях.
Иногда бывают настройки, где случайность в мире бывает, чтобы создать что-то вроде эксперимента для исследователей. Эти конструкции называются естественные эксперименты, и они будут подробно рассмотрены в разделе 2.4.3.1. Две особенности больших источников данных-их всегда на природе и их размер, значительно увеличивает нашу способность учиться на естественных экспериментов, когда они происходят.
Двигаясь дальше от рандомизированных контролируемых экспериментов, иногда даже не событие, по своей природе, что мы можем использовать, чтобы приблизить естественный эксперимент. В этих условиях, мы можем построить тщательно сравнения внутри неэкспериментальных данных в попытке приблизить эксперимент. Эти конструкции называются соответствия, и они будут подробно рассмотрены в разделе 2.4.3.2. Как и естественные эксперименты, согласование является дизайн, который также извлекает выгоду из крупных источников данных. В частности, массовый размер, как с точки зрения числа случаев и типов информации в случае, значительно облегчает согласование. Основное различие между природными экспериментов и согласования является то, что в естественных экспериментах исследователь знает, что процесс, посредством которого лечение был назначен, и считает, что это будет случайным.
Концепция справедливых сравнений , которые мотивировали желания делать эксперименты также лежит в основе двух альтернативных подходов: естественные эксперименты и согласование. Эти подходы позволят Вам оценить причинно-следственные эффекты от пассивно наблюдаемых данных, обнаружив справедливые сравнения, сидя внутри данных, которые у вас уже есть.
