2.4.3 approximating eksperimento

Maaari naming matantiya eksperimento na hindi namin maaaring gawin. Dalawang pamamaraang na lalo na benepisyo mula sa mga digital na edad ay tumutugma at natural na mga eksperimento.

Maraming mahalagang pang-agham at patakaran katanungan ay pananahilan. Tingnan natin Hayaan, halimbawa, ang mga sumusunod na katanungan: kung ano ang epekto ng isang job training program sa sahod? Ang isang paraan upang sagutin ang tanong na magiging may isang randomized kinokontrol na eksperimento kung saan manggagawa ay randomang itinakda na mag tumanggap ng pagsasanay o hindi tumanggap ng pagsasanay. Pagkatapos, mga mananaliksik ay maaaring tantiyahin ang epekto ng pagsasanay para sa mga kalahok na ito sa pamamagitan ng simpleng paghahambing ng sahod ng mga taong nakatanggap ng pagsasanay sa mga na ay hindi makatanggap ng ito.

Ang simpleng paghahambing ay may-bisa dahil sa isang bagay na mangyayari bago ang data ay kahit na nakolekta: ang randomization. Nang walang randomization, ang problema ay mas trickier. A researcher maaaring ihambing ang kabayaran ng mga taong kusang-loob na nag-sign up para sa pagsasanay sa mga taong hindi mag-sign-up. paghahambing na marahil ipakita na ang mga tao na nakatanggap ng pagsasanay kinita higit pa, ngunit kung gaano karami ng ito ay dahil sa pagsasanay at kung gaano karami ng ito ay dahil ang mga tao na mag-sign-up para sa pagsasanay ay naiiba mula sa mga na huwag mag-sign-up para sa pagsasanay? Sa ibang salita, ay ito makatarungan sa ihambing ang kabayaran ng mga ito ng dalawang grupo ng mga tao?

Ang pag-aalala tungkol sa patas na paghahambing ay humantong ang ilang mga mananaliksik na naniniwala na ito ay imposible na gumawa pananahilan estima nang hindi tumatakbo ang isang eksperimento. Ang claim na ito napupunta masyadong malayo. Habang ito ay totoo na ang mga eksperimento ay nagbibigay pinakamatibay na katibayan para sa pananahilan effects, may mga iba pang mga diskarte na maaaring magbigay ng mahalagang mga pagtatantya pananahilan. Sa halip ng pag-iisip na pananahilan estima ay mag-madaling (sa kaso ng mga eksperimento) o imposible (sa kaso ng passively obserbahan data), ito ay mas mahusay na mag-isip sa mga estratehiya para sa paggawa ng pananahilan pagtatantya nakahiga sa kahabaan ng isang continuum mula sa pinakamatibay sa pinakamahina (Figure 2.4). Sa pinakamatibay dulo ng continuum ay randomized kinokontrol na mga eksperimento. Ngunit, ito ay madalas na mahirap na gawin sa mga social pananaliksik dahil maraming mga paggamot ay nangangailangan ng unrealistic halaga ng kooperasyon mula sa mga pamahalaan o mga kumpanya; lubos na lamang maraming mga eksperimento na hindi namin maaaring gawin. ako ay italaga ang lahat ng Kabanata 4 sa parehong lakas at kahinaan ng randomized kinokontrol na mga eksperimento, at kukunin ko na magtaltalan na sa ilang mga kaso, may mga malakas na etikal dahilan sa ginusto pagmamatyag sa experimental pamamaraan.

Figure 2.4: Continuum ng mga estratehiya ng pananaliksik para sa tinatayang epekto pananahilan.

Gumagalaw sa kahabaan ng continuum, may mga sitwasyon kung saan mananaliksik ay may hindi malinaw na randomized. Iyon ay, ang mga mananaliksik ay sinusubukan upang malaman kaalaman eksperimento-like na walang tunay na paggawa ng isang eksperimento; natural, ito ay pagpunta sa maging mahirap hawakan, ngunit malaking data lubhang nagpapabuti ang aming kakayahan na gumawa ng pananahilan mga pagtatantya sa mga sitwasyong ito.

Minsan may mga setting na kung saan ang randomness sa mundo ang mangyayari sa lumikha ng isang bagay tulad ng isang eksperimento para sa mga mananaliksik. Ang mga disenyo ay tinatawag na natural na mga eksperimento, at sila ay dapat isaalang-alang sa mga detalye sa Seksyon 2.4.3.1. Dalawang tampok ng malaking pinagkukunan-ang kanilang data laging-on kalikasan at ang kanilang size-lubhang Pinahuhusay ang aming kakayahan upang matuto mula sa natural na mga eksperimento kapag naganap ang mga ito.

Paglilipat sa karagdagang ang layo mula sa randomized kinokontrol na mga eksperimento, minsan may ay hindi kahit na isang kaganapan sa kalikasan na maaari naming gamitin sa humigit-kumulang isang natural na eksperimento. Sa mga setting na ito, maaari naming maingat na bumuo ng mga paghahambing sa loob non-eksperimentong data sa isang pagtatangka upang matantiya ang isang eksperimento. Ang mga disenyo ay tinatawag na pagtutugma, at sila ay dapat isaalang-alang sa mga detalye sa Seksyon 2.4.3.2. Like natural na mga eksperimento, pagtutugma ay isang disenyo na rin benepisyo mula sa malaking pinagkukunan ng data. Sa partikular, ang napakalaking size-pareho sa mga tuntunin ng bilang ng mga kaso at uri ng impormasyon sa bawat case-lubos na pinapadali matching. Ang mga pangunahing pagkakaiba sa pagitan ng natural na mga eksperimento at pagtutugma ay na sa natural na mga eksperimento ang researcher alam ang proseso kung saan paggamot ay itinalaga at naniniwala ito upang maging random.

Ang konsepto ng makatarungang paghahambing na motivated ang mga hinahangad na gawin ang mga eksperimento din underlies ang dalawang alternatibo na paglalapit: natural eksperimento at matching. Ang mga pamamaraang ay daan sa iyo upang matantya pananahilan epekto mula passively obserbahan data sa pamamagitan ng pagtuklas makatwirang paghahambing upo sa loob ng data na mayroon ka.