2.4.3.1 సహజ ప్రయోగాలు

సహజ ప్రయోగాలు ప్రపంచంలో యాదృచ్ఛిక సంఘటనల యొక్క ప్రయోజనాన్ని. యాదృచ్ఛిక సంఘటన + ఎప్పుడూ డేటా వ్యవస్థను = సహజ ప్రయోగం

సరసమైన పోలిక ఎనేబుల్ స్వైర నియంత్రిత ప్రయోగాలను కీ నియమరహితం ఉంది. అయితే, అప్పుడప్పుడు ఏదో తప్పనిసరిగా వివిధ చికిత్సలు యాదృచ్ఛికంగా యాదృచ్ఛికంగా లేదా దాదాపు ప్రజలు కేటాయించే ప్రపంచంలో జరుగుతుంది. సహజ ప్రయోగాలు ఉపయోగించి వ్యూహం రచించినట్టు ఒక పారదర్శకమైన ఉదాహరణల్లో ఒకటి యొక్క పరిశోధన నుండి వస్తుంది Angrist (1990) ఆదాయాలపై మిలిటరీ సేవల ప్రభావం కొలుస్తుంది.

వియత్నాం యుద్ధం సందర్భంగా, అమెరికా సంయుక్త రాష్ట్రాల్లో ఒక డ్రాఫ్ట్ ద్వారా తన సాయుధ దళాల పరిమాణం పెరిగింది. పౌరులకు సేవలోకి అని నిర్ణయించే క్రమంలో, సంయుక్త ప్రభుత్వం లాటరీ నిర్వహించారు. ప్రతి పుట్టినతేదీ కాగితం ముక్క మీద ప్రాతినిధ్యం, మరియు ఈ పత్రాలను ఒక పెద్ద గాజు కూజా లో ఉంచారు. మూర్తి 2.5 చూపినట్టు, కాగితం ఈ స్లిప్స్ యువకులు సర్వ్ (యువతులను డ్రాఫ్ట్ పరిధిలో లేవు) అని పిలవబడే ఆర్డర్ గుర్తించడానికి ఒక సమయంలో జార్ ఒకటి కూర్చబడ్డాయి. ఫలితాల ఆధారంగా, సెప్టెంబర్ 14 న జన్మించిన పురుషులు అందువలన న, మొదటి పిలిచారు ఏప్రిల్ 24 న జన్మించాడు పురుషులు రెండవది చేయబడ్డాయి. చివరకు, ఈ లాటరీ, న 195 వేర్వేరు రోజుల్లో పుట్టిన పురుషులు సేవకు 171 రోజులలో పుట్టిన పురుషులు అని లేకపోయినప్పటికీ పిలిచారు.

మూర్తి 2.5: కాంగ్రెస్ సభ్యుడు అలెగ్జాండర్ Pirnie (R-NY) డిసెంబర్ 1 న ఎంచుకొన్న సర్వీస్ డ్రాఫ్ట్ మొదటి గుళిక గీయడం, 1969 జాషువా Angrist (1990) సైనిక సేవ యొక్క ప్రభావాన్ని అంచనా వేయడం కలిపి సోషల్ సెక్యూరిటీ అడ్మినిస్ట్రేషన్ నుండి ఆదాయాలు సమాచారంతో డ్రాఫ్ట్ లాటరీ ఆదాయాలపై. ఈ ఒక సహజ ప్రయోగం ఉపయోగించి పరిశోధన యొక్క ఒక ఉదాహరణ. మూలం: వికీమీడియా కామన్స్

ఇది వెంటనే స్పష్టమైన కాదు ఉన్నప్పటికీ, ఒక డ్రాఫ్ట్ లాటరీ యాదృచ్ఛిక నియంత్రిత ప్రయోగంలో ఒక క్లిష్టమైన సారూప్యత కలిగివుంది: పాల్గొనేవారు యాదృచ్ఛికంగా ఒక చికిత్స పొందుతున్నారు కేటాయిస్తారు రెండు పరిస్థితుల్లో. డ్రాఫ్ట్ లాటరీ సందర్భంలో, మేము ముసాయిదా అర్హత మరియు తదుపరి కార్మిక మార్కెట్ ఆదాయాలపై సైనిక సేవ యొక్క ప్రభావాల గురించి తెలుసుకోవడానికి ఆసక్తి ఉంటే, మేము దీని birthdates లాటరీ తేడాను దిగువన ఉన్నారు (ప్రజలు ఫలితములను పోల్చి చేయవచ్చు ఉదా, సెప్టెంబర్ 14, ఏప్రిల్ దీని పుట్టినరోజులు తేడాను ఆశించారో ప్రజలు (ఉదా, ఫిబ్రవరి 20, డిసెంబర్ 2, మొదలైనవి) కోసం వచ్చే ఫలితాలతో 24, మొదలైనవి).

ముసాయిదా ఈ చికిత్స యాదృచ్ఛికంగా కేటాయించబడ్డాయి ఇచ్చిన, మేము అప్పుడు కొలిచారు ఏ ఫలితం కోసం ఈ చికిత్స ప్రభావం అంచనా వేయవచ్చు. ఉదాహరణకు, Angrist (1990) యాదృచ్ఛికంగా తెలుపు అనుభవజ్ఞులు సంపాదన పోల్చదగిన కాని అనుభవజ్ఞులు సంపాదన కంటే సుమారు 15% తక్కువ అని నిర్ధారించారు సోషల్ సెక్యూరిటీ అడ్మినిస్ట్రేషన్ ద్వారా సేకరించిన ఆదాయాలు సమాచారంతో డ్రాఫ్ట్ లో ఎంపిక చేసిన గురించి సమాచారాన్ని కలిపి . ఇతర పరిశోధకులు అలాగే ఇదే ట్రిక్ ఉపయోగించారు. ఉదాహరణకు, Conley and Heerwig (2011) యాదృచ్ఛికంగా నుండి 2000 సెన్సస్ మరియు 2005 అమెరికన్ కమ్యూనిటీ సర్వే సేకరించిన గృహ సమాచారంతో డ్రాఫ్ట్ లో ఎంపిక చేసిన గురించి సమాచారాన్ని కలిపి మరియు డ్రాఫ్ట్ తరువాత చాలా కాలం గురించి పెద్దగా దీర్ఘకాలిక ప్రభావం ఉన్నట్లు హౌసింగ్ లాంటి హయాంలో (అద్దెకు వర్సెస్ సొంతం) మరియు నివాస స్థిరత్వం (గత ఐదు సంవత్సరాలలో వెళ్ళారు సంభావ్యత) ఫలితాలను వివిధ సైనిక సేవ.

ఈ ఉదాహరణ వివరిస్తుంది వంటి, కొన్నిసార్లు, సామాజిక, రాజకీయ, లేదా సహజ శక్తులు ప్రయోగాలు లేదా పరిశోధకులు పరపతి చేయవచ్చు నియర్ ప్రయోగాలు సృష్టించడానికి. ఇది స్వైర నియంత్రిత ప్రయోగాలను అమలు నైతిక లేదా సాధ్యము కాదు, ఇక్కడ తరచుగా సహజ ప్రయోగాలు అమరికలలో కారణం మరియు ప్రభావం సంబంధాలు అంచనా ఉత్తమ మార్గం. వారు కాని ప్రయోగాత్మక డేటా సరసమైన పోలికలు కనిపెట్టినందుకు ఒక ముఖ్యమైన వ్యూహంగా ఉంటోంది. ఈ పరిశోధన వ్యూహం ఈ సమీకరణము సంగ్రహంగా చేయవచ్చు:

\ [\ టెక్స్ట్ {యాదృచ్ఛిక (లేదా యాదృచ్చిక ఉంటే) కార్యక్రమంలో} + \ టెక్స్ట్ {ఎప్పుడూ డేటా ప్రవాహాన్ని} = \ టెక్స్ట్ {సహజ ప్రయోగం} \ qquad (2.1) \]

అయితే, సహజ ప్రయోగాలు విశ్లేషణ చాలా గమ్మత్తైన ఉంటుంది. ఉదాహరణకు, వియత్నాం డ్రాఫ్ట్ విషయంలో, అందరూ ఎవరు డ్రాఫ్ట్ అర్హత పనిచేస్తున్న ఇచ్చాను ఉంది (మినహాయింపులతో వివిధ ఉన్నాయి). మరియు, అదే సమయంలో జరిగింది ముసాయిదా అర్హతా కాదు కొందరు వ్యక్తులు స్వచ్ఛందంగా సేవలను. ఒక కొత్త ఔషధం యొక్క క్లినికల్ ట్రయల్ లో, చికిత్స సమూహంలో కొన్ని ప్రజలు వారి ఔషధం చేపట్టకపోతే గ్రూపు ప్రజలు కొన్ని ఏదో ఔషధ పొందింది ఇది ఉంది. ఈ సమస్యను ద్విపార్శ్వ ఆదేశాన్ని ధిక్కరించినందుకు అని, అలాగే అనేక ఇతర సమస్యలు ఈ అధ్యాయం చివర సిఫార్సు పఠనాలు కొన్ని ఎక్కువ వివరాలు వివరించబడ్డాయి.

సహజంగా రాండం సంభవించే ప్రయోజనాన్ని తీసుకునే వ్యూహం డిజిటల్ వయస్సు ముందు, కానీ పెద్ద డేటా ప్రాబల్యం ఉపయోగించడానికి చాలా సులభం ఈ వ్యూహం చేస్తుంది. మీరు కొన్ని చికిత్స యాదృచ్ఛికంగా కేటాయించబడిన తెలుసుకోవటం ఒకసారి, పెద్ద డేటా మూలాల మీరు చికిత్స మరియు నియంత్రణ పరిస్థితుల్లో ప్రజలకు ఫలితాలను పోల్చేందుకు చేయడానికి అవసరమైన ఫలితాన్ని సమాచారంను అందిస్తుంది. ఉదాహరణకు, డ్రాఫ్ట్ మరియు సైనిక సేవ యొక్క ప్రభావాలు తన అధ్యయనంలో, Angrist సోషల్ సెక్యూరిటీ అడ్మినిస్ట్రేషన్ నుండి ఆదాయాలు రికార్డులను ఉపయోగించారు; ఈ ఫలితం డేటా లేకుండా, తన అధ్యయనం సాధ్యమయ్యేది కాదు. ఈ సందర్భంలో, సోషల్ సెక్యూరిటీ అడ్మినిస్ట్రేషన్ ఎప్పుడూ పెద్ద డేటా మూలం. మరింత స్వయంచాలకంగా సేకరించిన డేటా మూలాల ఉనికిలో వంటి, మేము బాహ్య వైవిధ్యం, రూపొందించినవారు మార్పుల ప్రభావాలను లెక్కించగల మరింత ఫలితం డేటా ఉంటుంది.

డిజిటల్ యుగంలో ఈ వ్యూహం ఉదహరించడానికి యొక్క మాస్ మరియు Moretti యొక్క పరిశీలిద్దాం (2009) ఉత్పాదకతపై సహచరుల ప్రభావం మీద సొగసైన పరిశోధన. ఉపరితలంపై ఇది నిర్మాణంలో వియత్నాం డ్రాఫ్ట్ ప్రభావాలను గురించి Angrist యొక్క అధ్యయనం కంటే భిన్నంగా ఉంటాయని ఇవ్వలేదు వారు రెండు EQ నమూనా అనుసరించండి. 2.1.

మాస్ మరియు Moretti సహచరులకు కార్మికుల ఉత్పాదకత ప్రభావితం ఎలా కొలుస్తారు. ఒక వైపు, ఒక హార్డ్ పని పీర్ అవసరం ఎందుకంటే పీర్ ఒత్తిడి వారి ఉత్పాదకత పెంచడానికి కార్మికులు దారితీసే. లేదా, మరోవైపు, ఒక హార్డ్ పని పీర్ ఇతర కార్మికులు మరింత ఆఫ్ స్లాక్ దారితీసే. ఉత్పాదకతపై పీర్ ప్రభావాలను అధ్యయనం పారదర్శకమైన మార్గం చేస్తాను కార్మికులు యాదృచ్ఛికంగా వివిధ ఉత్పాదకత స్థాయిలు కార్మికులతో మార్పులు కేటాయించిన మరియు అప్పుడు ఫలిత ఉత్పాదన అందరికీ కొలుస్తారు పేరు ఒక యాదృచ్చిక నియంత్రిత ప్రయోగం. పరిశోధకులు, అయితే, ఏ నిజ వ్యాపార కార్మికుల షెడ్యూల్ నియంత్రణ లేదు, అందువలన మాస్ మరియు Moretti ఒక సూపర్ మార్కెట్ లో జరిగింది ఒక సహజ ప్రయోగం ఆధారపడేవారు.

జస్ట్ EQ వంటి. 2.1, వారి అధ్యయనం రెండు భాగాలు వచ్చింది. మొదటి, వారు ఒక ఖచ్చితమైన, వ్యక్తిగత కలిగి సూపర్మార్కెట్ చెక్అవుట్ సిస్టమ్ నుండి లాగ్లను ఉపయోగిస్తారు, మరియు ఎప్పుడూ ఉత్పాదకత కొలత: సెకనుకు స్కాన్ అంశాలు సంఖ్య. మరియు రెండవ, ఎందుకంటే ఆ షెడ్యూల్ ఈ సూపర్ మార్కెట్ వద్ద జరిగింది మార్గం, వారు పీర్ల యాదృచ్ఛిక కూర్పు సమీపంలో ఉన్నాయి. ఇతర మాటలలో, క్యాషియర్లు షెడ్యూల్ ఒక లాటరీ ద్వారా నిర్ణయించబడుతుంది లేదు అయినప్పటికీ, అది తప్పనిసరిగా యాదృచ్ఛిక ఉంది. ఆచరణలో, మేము సహజ ప్రయోగాల్లో కలిగి విశ్వాసం తరచుగా ఈ "గా ఉంటే" యాదృచ్ఛిక దావా సహేతుకత ఆగిపోతుంది. ఈ యాధృచ్చిక వైవిధ్యం మెళకువలను మాస్ మరియు Moretti హెచ్చు ఉత్పాదకత సహచరులకు పని ఉత్పాదకత పెంచే దొరకలేదు. ఇంకా, మాస్ మరియు Moretti ఎక్కువ రెండు ముఖ్యమైన మరియు సూక్ష్మ సమస్యలను విశ్లేషించడానికి కారణం మరియు ప్రభావం అంచనా దాటి తరలించడానికి పరిమాణం మరియు వారి డేటాసెట్ గొప్పతనాన్ని ఉపయోగించారు, ఇది ప్రభావం (ఉన్న ఉద్యోగస్తులు రకాల ప్రభావం పెద్దగా ఉంటుంది) భిన్నత్వం యంత్రాంగాన్ని ప్రభావం వెనుక (ఎందుకు కలిగి అధిక ఉత్పాదకత సహచరులకు హెచ్చు ఉత్పాదకత దారి చేస్తుంది). మేము చికిత్స ప్రభావాలు మరియు విధానాల-ఇన్ చాప్టర్ 5 ఈ రెండు ముఖ్యమైన సమస్యలు-భిన్నత్వం చేరుకుంటాయి మేము మరింత వివరంగా ప్రయోగాలు చర్చించడానికి.

ఆదాయాలు మరియు ఉత్పాదకతను సహచరుల ప్రభావం అధ్యయనం వియత్నాం డ్రాఫ్ట్ యొక్క ప్రభావంపై అధ్యయనాలు నుండి సాధారణీకరణ, టేబుల్ 2.3 ఈ ఖచ్చితమైన నిర్మాణం కలిగి ఇతర అధ్యయనాలు సారాంశాన్ని: ఒక ఎప్పుడూ డేటా మూలం కొన్ని ఈవెంట్ ప్రభావం కొలవటానికి ఉపయోగించి . మీరు ఎంత వెతుక్కుంటూ తెలిస్తే టేబుల్ 2.3 స్పష్టం చేస్తుంది విధంగా, సహజ ప్రయోగాలు అన్నిచోట్లా ఉంటాయి.

ఆచరణలో, పరిశోధకులు, ఈ రెండింటినీ ఫలవంతమైన సహజ ప్రయోగాలు చూపుతున్నారు కోసం రెండు వేర్వేరు వ్యూహాలు ఉపయోగించడానికి. కొంతమంది పరిశోధకులు ఎప్పుడూ డేటా మూల ప్రారంభం మరియు ప్రపంచంలో యాదృచ్ఛిక సంఘటనల కోసం చూడండి; ఇతరులు ప్రపంచంలో యాదృచ్ఛిక సంఘటనల ప్రారంభం మరియు వారి ప్రభావం పట్టుకుని డేటా వనరుల కోసం చూడండి. చివరగా, సహజ ప్రయోగాలు బలం, గణాంక విశ్లేషణ ఆధునికతకు నుండి వచ్చింది కాదు కానీ చరిత్రలో ఒక అదృష్టం ప్రమాదంలో రూపొందించినవారు ఒక సరసమైన పోలిక తెలుసుకున్న సంరక్షణ నుండి గమనించవచ్చు.