2.4.1.1 న్యూ యార్క్ సిటీ లో టాక్సీలు

ఒక పరిశోధకుడు న్యూయార్క్ లో టాక్సీ డ్రైవర్లు నిర్ణయాధికారం అధ్యయనం టాక్సీ మీటర్ల నుండి పెద్ద డేటా ఉపయోగిస్తారు. ఈ డేటా బాగా ఈ పరిశోధన కోసం సరిపోయాయి.

కుడి విషయం లెక్కింపు సాధారణ విద్యుత్ ఒక ఉదాహరణగా నుండి హెన్రీ ఐ యొక్క వస్తుంది (2015) న్యూయార్క్ నగరం టాక్సీ డ్రైవర్లు ప్రవర్తన యొక్క అధ్యయనం. ఈ గుంపు అంతర్గతంగా ఆసక్తికరమైన శబ్దం కాదు అయితే అది శ్రామిక అర్ధశాస్త్రం లో రెండు విభిన్నమైన సిద్ధాంతాల టెస్టింగ్ కోసం ఒక వ్యూహాత్మక రీసెర్చ్ సైట్. ఐ యొక్క పరిశోధన ప్రయోజనాల కోసం, టాక్సీ డ్రైవర్లు పని వాతావరణం గురించి రెండు ముఖ్యమైన లక్షణాలు ఉన్నాయి: 1) తమ గంట వేతనం రోజు రోజుకి, వాతావరణ వంటి అంశాలపై భాగంగా ఆధారపడి నుండి హెచ్చుతగ్గులకు గురవుతున్నప్పటికీ మరియు 2) వారు పని గంటల సంఖ్య డ్రైవర్ నిర్ణయాల ఆధారంగా ప్రతి రోజు మారటానికి. ఈ లక్షణాలు పని గంట వేతనాలు మరియు గంటల మధ్య సంబంధం గురించి ఒక ఆసక్తికరమైన ప్రశ్న దారితీస్తుంది. ఆర్థికశాస్త్రం నవ్య నమూనాలు వారు అధిక గంట కలిగి ఉన్న టాక్సీ డ్రైవర్లు రోజులలో ఎక్కువసేపు పని అని అంచనా. ప్రత్యామ్నాయంగా, ప్రవర్తనా ఆర్థిక నమూనాలు సరిగ్గా వ్యతిరేక అంచనా. డ్రైవర్లు ఒక ప్రత్యేక ఆదాయం సెట్ చేస్తే లక్ష్యం-చెప్పే ప్రకారం $ 100 రోజుల మరియు పని లక్ష్యానికి నెరవేరేంత వరకు, తర్వాత డ్రైవర్లు వారు మరింత సంపాదించి ఆ రోజులలో తక్కువ గంటలు పని ముగుస్తుంది. ఉదాహరణకు, మీరు ఒక లక్ష్యం సంపాదించినవారు ఉన్నట్లయితే, మీరు ఒక మంచి రోజు (గంటకు $ 25) మరియు 5 ఒక చెడు రోజు (గంటకు $ 20) గంటల పని 4 గంటల ముగింపు ఉండవచ్చు. కాబట్టి, డ్రైవర్లు (ప్రవర్తన ఆర్ధిక నమూనాలను అంచనా) అధిక గంట (నియోక్లాసికల్ నమూనాల ద్వారా వేసిన అంచనాల ప్రకారం) లేదా తక్కువ గంట వేతనాలు రోజులలో ఎక్కువసేపు గంటల రోజులలో ఎక్కువసేపు గంటల పని చేస్తాయి?

2013, ఇప్పుడు ఆ డేటా - ఈ ప్రశ్నకు సమాధానం ఐ 2009 నుండి న్యూయార్క్ నగరానికి క్యాబ్లు తీసుకున్న ప్రతి టాక్సీ యాత్ర డేటా పొందిన బహిరంగంగా అందుబాటులో . కొన ఒక తో చెల్లించారు ఉంటే స్థానాన్ని, ముగింపు సమయం, ముగింపు స్థానాన్ని, చార్జీలు, మరియు మొన (మొదలు, ప్రారంభం సమయం: ఈ డేటా ఇది నగరం టాక్సీలు అవసరం ఎలక్ట్రానిక్ మీటర్లు సమీకరించింది ప్రతి ట్రిప్ కోసం సమాచారాన్ని అనేక ముక్కలు ఉపయోగించడానికి కలిగి క్రెడిట్ కార్డు). మొత్తంగా, ఐ యొక్క డేటా సుమారు 40 మిలియన్ సమయంలో మార్పులు తీసుకున్న సుమారు 900 మిలియన్ ప్రయాణాలకు సమాచారం ఉంది (ఒక షిఫ్ట్ సుమారు ఒక డ్రైవర్ కోసం ఒక రోజు పని). నిజానికి, చాలా డేటా ఉంది ఐ మాత్రమే తన విశ్లేషణలో అది ఒక యాదృచ్చిక నమూనా ఉపయోగించి ఉంటాడు. ఈ టాక్సీ మీటర్ డేటా ఉపయోగించి, ఐ వేతనాలు, అధిక నియోక్లాసికల్ సిద్ధాంతం స్థిరంగా ఉన్నప్పుడు చాలా డ్రైవర్లు రోజులలో ఎక్కువసేపు పని కనుగొన్నారు. ఈ ప్రధాన కనుగొనటంలో అదనంగా, ఐ భిన్నత్వం మరియు డైనమిక్స్ ఒక మంచి అవగాహన కోసం డేటా యొక్క పరిమాణం పరపతి చేయగలిగింది. ఐ కాలక్రమేణా అని కొత్త డ్రైవర్లు క్రమంగా అధిక వేతనం రోజులలో ఎక్కువసేపు గంటల పని నేర్చుకోవడం దొరకలేదు (ఉదా, వారు నియోక్లాసికల్ నమూనాలు ఊహించింది వంటి ప్రవర్తించే ఎలా నేర్చుకోవడానికి). మరియు, ఎక్కువగా లక్ష్యం సంపాదించే వంటి ప్రవర్తించే కొత్త డ్రైవర్లు ఒక టాక్సీ డ్రైవర్ ఉండటం విడిచి అవకాశాలు ఎక్కువగా ఉన్నాయి. ప్రస్తుత డ్రైవర్ల పరిశీలించిన ప్రవర్తనకు వివరించటంలో సహాయపడుతుంది ఇది ఈ మరింత సూక్ష్మ కనుగొన్న ఉన్నందుకు డేటాసెట్ యొక్క పరిమాణం మాత్రమే లభిస్తున్నాయి. వారు సమయం తక్కువ వ్యవధిలో (ఉదా, పైగా టాక్సీ డ్రైవర్లు ఒక చిన్న సంఖ్య నుండి కాగితం ట్రిప్ షీట్లు ఉపయోగించిన ప్రారంభ అధ్యయనాల్లో గుర్తించడం అసాధ్యం Camerer et al. (1997) ).

ఐ అధ్యయనం పెద్ద డేటా ఉపయోగించి ఒక అధ్యయనం కోసం ఒక ఉత్తమ కేసు చేరువలో ఉంది. మొదటి, డేటా నగరం డిజిటల్ మీటర్లు ఉపయోగించడానికి డ్రైవర్లు అవసరం కాబట్టి, కాదు కాని ప్రతినిధి. మరియు, డేటా నగరం సేకరించిన డేటా అతను ఎంపిక కలిగి ఉంటే ఐ సేకరించినట్లు ఆ డేటా అందంగా దగ్గరగా ఉన్నందున మేము అసంపూర్తిగా ఉన్నాయి (ఒక తేడా ఐ మొత్తం వేతనాల్లో-అద్దెలు ప్లస్ tips- కావలెను డేటా ఉందని చెప్పవచ్చు కానీ నగరం డేటా క్రెడిట్ కార్డు ద్వారా చెల్లింపు చిట్కాలు కూడా). ఐ యొక్క పరిశోధన కీ మంచి సమాచారంతో ఒక మంచి ప్రశ్న కలపడం జరిగినది. ఒంటరిగా డేటా సరిపోవు.