2.4.3.2 ملاپ

ملاپ کے مقدمات دور کٹائی کی طرف سے منصفانہ موازنہ بنانے کے.

میلے موازنہ یا تو randomized کنٹرول تجربات یا قدرتی تجربات سے آ سکتے ہیں. لیکن، بہت سے حالات آپ کو مثالی تجربہ نہیں چلا سکتے ہیں جہاں اور فطرت ایک قدرتی تجربہ فراہم نہیں کیں ہیں. ان کی ترتیبات میں، ایک منصفانہ موازنہ مماثلت ہے پیدا کرنے کے لئے سب سے بہتر طریقہ. ملاپ میں، محقق کہ ایک علاج موصول ہوئی ہے سوائے اسی طرح کی ہیں کہ لوگوں کے جوڑے پیدا کرنے کے لئے غیر تجرباتی اعداد و شمار کے ذریعے لگتا ہے اور ایک نہیں ہے. کے ملاپ کے عمل میں، محققین اصل میں بھی کٹائی کر رہے ہیں؛ کہ مقدمات کوئی واضح موازنہ موجود ہیں جہاں مسترد، ہے. لہذا، یہ طریقہ زیادہ درست طریقے سے کی مماثلت اور کٹائی بلایا جائے گا، لیکن میں روایتی اصطلاح کے ساتھ رہنا گے: ملاپ.

بڑے پیمانے پر غیر تجرباتی اعداد و شمار کے ذرائع کے ساتھ حکمت عملی کے ملاپ کی طاقت کی ایک خوبصورت مثال Liran Einav اور ان کے ساتھیوں کی طرف سے صارفین کے رویے پر تحقیق سے آتے ہیں (2015) . Einav اور ساتھیوں ای بے پر ہو رہی نیلامیوں میں دلچسپی رکھتے تھے، اور ان کے کام کو بیان کرتے ہوئے میں نے ایک خاص پہلو پر توجہ مرکوز کریں گے: اس طرح کے طور پر فروخت کی قیمت یا ایک فروخت کے امکانات نیلامی نتائج، تاریخ نیلامی شروع ہونے والے قیمت کا اثر.

فروخت کی قیمت پر قیمت شروع ہو رہا کے اثر کے بارے میں سوال کا جواب دینے کی سب سے زیادہ بولی طریقہ صرف مختلف شروع کی قیمتوں کے ساتھ نیلامیوں کے لئے حتمی قیمت کا حساب کرنے ہوں گے. آپ کو صرف ایک دیئے شے ہے کہ ایک دیئے اغاز قیمت کے ساتھ ای بے پر ڈال دیا گیا تھا کی فروخت کی قیمت کی پیشن گوئی کرنا چاہتے ہیں تو یہ نقطہ نظر ٹھیک ہو جائے گا. لیکن، اگر آپ کا سوال کیا مارکیٹ نتائج پر شروع قیمت اس نقطہ نظر یہ مناسب موازنہ پر مبنی نہیں ہے کیونکہ کام نہیں کرے گا کا اثر ہے ہے؛ نچلے اغاز قیمتوں کے ساتھ نیلامیوں اعلی اغاز قیمتوں (مثلا، وہ سامان کی مختلف اقسام کے لئے ہو یا بیچنے والے کی مختلف اقسام شامل ہو سکتا ہے) کے ساتھ نیلامیوں سے بالکل مختلف ہو سکتا ہے.

آپ منصفانہ موازنہ بنانے کے بارے میں پہلے سے ہی فکر مند ہیں تو، آپ کو بولی نقطہ نظر کو چھوڑ دیں اور ایک فیلڈ تجربہ آپ کو ایک مخصوص شے-کہنا، ایک گولف کلب کے-ساتھ فروخت کرے جہاں نیلامی کی ایک مقررہ سیٹ چلانے پر غور کر سکتے پیرامیٹرز کا کہنا ہے کہ، مفت شپنگ، نیلامی دو ہفتے، کے لئے کھلا وغیرہ لیکن تصادفی شروع ہونے قیمتیں مقرر کے ساتھ. نتیجے مارکیٹ نتائج کا موازنہ کر کے، اس میدان کے استعمال کی فروخت کی قیمت پر قیمت شروع کرنے کے اثر کی ایک بہت واضح پیمائش فراہم کریں گے. لیکن، اس کی پیمائش صرف ایک مخصوص مصنوعات کے لئے درخواست دے اور نیلامی کے پیرامیٹرز کے قائم کرے گا. نتائج کی مصنوعات کی مختلف اقسام کے لئے، مثال کے طور پر، مختلف ہو سکتا ہے. مضبوط نظریہ کے بغیر، یہ اس ایک تجربہ کر سکتا ہے کہ چلانے کی گئی ہے ممکن تجربات کی مکمل رینج سے extrapolate کر کے لئے مشکل ہے. اس کے علاوہ، تجربات کافی مہنگی یہ مصنوعات اور نیلامی اقسام کے پورے پیرامیٹر خلائی احاطہ کرنے کے ان میں سے کافی اپ کو چلانے کے لئے infeasible ہو گا کہ ہیں.

بولی نقطہ نظر اور تجرباتی نقطہ نظر کے برعکس، Einav اور ان کے ساتھیوں کو ایک تیسری نقطہ نظر لے: ملاپ. ان کی حکمت عملی کے اہم چال جو پہلے ہی ای بے پر ہوا ہے تجربات کے لئے اسی طرح کی چیزوں کو دریافت کرنے کے لئے ہے. مثال کے طور پر، پیکر 2.6 بالکل اسی گالف کلب کے ایک Taylormade برنر 09 ڈرائیور-جارہا بالکل اسی seller- "budgetgolfer" کی طرف سے فروخت کے لئے 31 لسٹنگ میں سے کچھ کو ظاہر کرتا ہے. تاہم، ان کی لسٹنگ میں تھوڑا سا مختلف خصوصیات ہیں. ان میں سے گیارہ، $ 124،99 کی ایک مقررہ قیمت کے لئے ڈرائیور کی پیشکش کرتے ہیں، جبکہ دیگر 20 مختلف آخری تاریخوں کے ساتھ نیلامیوں ہیں. اس کے علاوہ، لسٹنگ، مختلف شپنگ فیس یا تو $ 7.99 یا $ 9.99. دوسرے الفاظ میں، کے طور پر اگر "budgetgolfer" محققین کے تجربات سے چل رہا ہے ہے.

Taylormade برنر 09 ڈرائیور کی لسٹنگ "budgetgolfer" کی طرف سے فروخت کی جا رہی لسٹنگ، بالکل وہی شے بالکل وہی بیچنے والے کی طرف سے فروخت کیا جارہا ہے جہاں کی ایک ملائے سیٹ لیکن تھوڑا سا مختلف خصوصیات کے ساتھ ہر وقت کی ایک مثال ہیں. ای بے کی بڑے پیمانے پر نوشتہ اندر لسٹنگ کے لاکھوں شامل ملائے سیٹوں کے ہزاروں کے سینکڑوں لفظی ہیں. اس طرح، بلکہ ایک دیئے شروع قیمت کے اندر اندر تمام نیلامیوں کے لئے حتمی قیمت کا موازنہ کے مقابلے میں، Einav اور ساتھیوں ملائے سیٹوں کے اندر موازنہ کرنے. ملائے سیٹوں کے ہزاروں کے ان سینکڑوں اندر موازنہ سے نتائج کو اکٹھا کرنے کے لئے ہے، Einav اور ساتھیوں ہر شے (مثال کے طور، اس کی اوسط فروخت کی قیمت) کے حوالہ قیمت کے لحاظ سے قیمت شروع ہو رہا ہے اور حتمی قیمت دوبارہ اظہار. مثال کے طور پر، Taylormade برنر 09 ڈرائیور $ 100 کے ایک حوالہ قیمت ہے تو (اس کی فروخت کی بنیاد پر)، اس کے بعد $ 10 کے اغاز قیمت 0.1 کے طور پر اظہار کیا جائے گا اور $ 120 کی حتمی قیمت 1.2 کے طور پر اظہار کیا جائے گا.

پیکر 2.6: ایک ملائے سیٹ کی ایک مثال. یہ بالکل وہی گالف کلب (ایک Taylormade برنر 09 ڈرائیور) کے عین مطابق ایک ہی شخص ( "budgetgolfer") کی طرف سے فروخت کیا جا رہا ہے، لیکن ان کی فروخت میں سے کچھ مختلف حالات (مثلا، مختلف شروع قیمت) کارکردگی کا مظاہرہ کر رہے تھے. پیکر سے لیا Einav et al. (2015) .

کو یاد ہوگا Einav اور ساتھیوں نیلامی نتائج پر آغاز قیمت کے اثر میں دلچسپی رکھتے تھے کہ. سب سے پہلے، لکیری رجعت کا استعمال کرتے ہوئے وہ زیادہ اغاز قیمتوں فروخت کے امکانات میں کمی، اور اعلی اغاز قیمتوں حتمی قیمت فروخت، فروخت کے واقع ہونے سے مشروط اضافہ ہے کہ اندازہ لگایا گیا. خود کی طرف سے، ان تخمینوں-جس میں تمام مصنوعات پر اوسط اور کر رہے ہیں شروع قیمت اور آخری درمیان ایک لکیری تعلقات فرض ہے کہ تمام دلچسپ نہیں کے نتائج-ہیں. لیکن، Einav اور ان کے ساتھیوں کو بھی زیادہ ٹھیک ٹھیک نتائج میں سے ایک قسم کا اندازہ لگانے کے لئے ان کے اعداد و شمار کے بڑے پیمانے پر سائز کا استعمال. سب سے پہلے، Einav اور ان کے ساتھیوں کو علیحدہ علیحدہ مختلف قیمتوں کی اشیاء کے لئے اور لکیری رجعت کا استعمال کئے بغیر ان تخمینوں بنایا. انہوں نے اس کے آغاز کی قیمت اور فروخت کے امکانات کے درمیان تعلقات لکیری ہے جبکہ، قیمت شروع ہو رہا ہے اور فروخت کی قیمت کے درمیان تعلقات کو واضح طور پر غیر لکیری (چترا 2.7) ہے پایا. خاص طور پر، 0.05 اور 0.85 کے درمیان قیمتوں کو شروع کرنے کے لئے، شروع قیمت فروخت کی قیمت، تجزیہ کرتا ہے ایک لکیری تعلقات فرض کیا گیا تھا میں یاد مکمل کر لیا گیا ہے کہ ایک تلاش کرنے پر بہت کم اثر ہے.

پیکر 2.7: رشتہ نیلامی آغاز قیمت اور فروخت (بائیں پینل) اور فروخت کی قیمت (دائیں پینل) کے امکانات کے درمیان. آغاز قیمت اور فروخت کے امکانات کے درمیان ایک لکیری تعلقات تقریبا نہیں ہے لیکن آغاز قیمت اور فروخت کی قیمت کے درمیان ایک غیر لکیری تعلقات نہیں ہے؛ 0.05 اور 0.85 کے درمیان قیمتوں کو شروع کرنے کے لئے، شروع قیمت فروخت کی قیمت پر بہت کم اثر ہے. دونوں صورتوں میں، رشتے شے کی قیمت کا بنیادی طور پر آزاد ہیں. یہ گراف انجیر 4A اور 4B دوبارہ پیش Einav et al. (2015) .

دوئم، بلکہ تمام اشیاء سے زیادہ اوسط کے مقابلے میں، Einav اور ان کے ساتھیوں کو بھی ان اعداد و شمار کے بڑے پیمانے پیمانے اشیاء (مثلا، پالتو جانوروں کی فراہمی، الیکٹرانکس، اور کھیلوں یادگاروں) (ساخت، پیکر 2.8) کی 23 مختلف اقسام کے لئے شروع قیمت کے اثرات کا اندازہ کرنے کے لئے استعمال. ان تخمینوں یادگار شروع کی قیمت اس طرح کی اشیاء کے طور پر زیادہ مخصوص لئے فروخت کے امکانات اور آخری فروخت کی قیمت پر ایک بڑے اثر پر ایک چھوٹی اثر ہے کہ دکھاتے ہیں. اس کے علاوہ، کے لئے زیادہ commodified اشیاء جیسے کہ ڈی وی ڈی اور ویڈیو آغاز قیمت حتمی قیمت پر تقریبا کوئی اثر پڑتا ہے. دوسرے الفاظ میں، ایک اوسط اشیاء کی 23 مختلف اقسام سے نتائج کو اکٹھا ہے کہ ان اشیاء کے درمیان فرق کے بارے میں اہم معلومات چھپاتا.

پیکر 2.8: نتائج کو انفرادی طور پر ہر قسم سے اندازوں سے ظاہر ہوتا ہے؛ ایک ساتھ جمع تمام اقسام کے لئے تخمینہ میں ٹھوس ڈاٹ (Einav et al. 2015, Table 11) . ان تخمینوں زیادہ مخصوص لئے اشیاء-جیسا کہ یادگاروں آغاز قیمت ایک فروخت (ایکس محور) اور آخری فروخت کی قیمت (Y محور) پر ایک بڑے اثر کے امکانات پر ایک چھوٹی اثر ہے کہ دکھاتے ہیں.

آپ کو ای بے پر نیلامیوں میں خاص دلچسپی نہیں ہیں یہاں تک کہ اگر، آپ کو راستے میں 2.7 شخصیت اور 2.8 پیشکش لکیری تعلقات کو فرض اور اشیاء کی کئی مختلف اقسام کو اکٹھا اتنا آسان لکیری رجعت اندازوں کے مقابلے میں ای بے کے ایک امیر تفہیم شخصیت اس کی تعریف کی ہے. یہ زیادہ ٹھیک ٹھیک اندازوں بڑے پیمانے پر اعداد و شمار میں ملاپ کی طاقت کی نمائندگی کرتی ہے؛ ان تخمینوں جس منفی مہنگا ہوتی تجربات کی ایک بہت بڑی تعداد، بغیر ناممکن ہوتا ہے.

کورس کے، ہم ایک موازنہ تجربہ کے نتائج میں بہ نسبت کسی خاص مماثلت کی تحقیق کے نتائج میں کم اعتماد ہونا چاہئے. کوئی ملاپ کے مطالعہ سے نتائج کا اندازہ کرتے ہیں، دو اہم خدشات ہیں. سب سے پہلے، ہمیں یاد رکھنا کہ ہم صرف ملاپ کے لئے استعمال کیا گیا ہے کہ چیزوں پر منصفانہ موازنہ یقینی بنانے کے کر سکتے ہیں ہے. بیچنے والے کا شناختی نمبر، شے قسم، شے کے عنوان، اور ذیلی عنوان: ان کے اہم نتائج میں، Einav اور ان کے ساتھیوں کے عین مطابق چار خصوصیات پر ملاپ تھا. ملتے جلتے ایک غیر منصفانہ مقابلے کے تشکیل دے سکتے ہیں کہ ملاپ کے لئے استعمال نہیں کیا گیا ہے کہ طریقوں سے، میں مختلف ہوتے تو. مثال کے طور پر، اگر "budgetgolfer" Taylormade برنر 09 ڈرائیور کے لئے قیمتوں کو موسم سرما میں کم کیا (گالف کلب کم مقبول ہیں جب)، پھر اس کے نچلے اغاز قیمتوں حتمی قیمتیں کم کی قیادت ہے کہ، حقیقت میں اس موسمی کے ایک artifact ہو گا جب ظاہر ہو سکتے ہیں مانگ میں تغیرات. عام طور پر، اس مسئلے کا بہترین نقطہ نظر کے ملاپ کے بہت سے مختلف اقسام کی کوشش کر رہا ہے. مثال کے طور پر، Einav اور ساتھیوں ان کے تجزیہ جہاں ملائے سیٹ سے ایک ماہ کے اندر ایک سال کے اندر فروخت پر اشیاء،، اور contemporaneously شامل دہرانے. وقت کی ونڈو سخت بنانا ملائے سیٹوں کی تعداد میں کمی واقع ہوتی، لیکن موسمی تغیرات کے بارے میں خدشات کو کم کر دیتا. خوش قسمتی سے، وہ نتائج کے الفاظ کے ملاپ کے معیار میں ان تبدیلیوں سے کوئی تبدیلی نہیں ہیں کہ مل جائے. ملاپ کے ادب میں، تشویش کی اس قسم کو عام طور پر observables اور unobservables کی شرائط میں ظاہر کیا جاتا ہے، لیکن اہم خیال محققین صرف کے ملاپ میں استعمال کیا خصوصیات پر منصفانہ موازنہ پیدا کر رہے ہیں واقعی ہے ہے.

ملاپ کے نتائج کی ترجمانی جب دوسری بڑی تشویش ہے کہ وہ صرف میچ نہیں کے اعداد و شمار پر لاگو ہونے والے ہیں. ان معاملوں ملاپ نہیں کیا جا سکتا ہے کہ پر لاگو نہیں کرتے. مثال کے طور پر، ایک سے زیادہ لسٹنگ Einav اور ان کے ساتھیوں کو پیشہ ورانہ اور نیم پیشہ ور بیچنے والے پر توجہ مرکوز کر رہے تھے کہ اشیاء کے لئے ان کی تحقیق محدود کی طرف سے. اس طرح، ان موازنہ ترجمانی جب ہم وہ صرف ای بے کے اس اپسمچی پر لاگو ہے کہ یاد رکھنا چاہئے.

ملاپ بڑے اعداد و شمار میں منصفانہ موازنہ کو تلاش کرنے کے لئے ایک طاقتور حکمت عملی ہے. بہت سے سماجی سائنسدانوں کے، ملاپ کے تجربات دوسری بہترین کی طرح لگتا ہے، لیکن اس سے ایک عقیدہ قدرے، نظر ثانی کی جانی چاہئے ہے. بڑے پیمانے پر اعداد و شمار میں ملاپ تجربات کی ایک چھوٹی سی تعداد سے بہتر ہو جب سکتا ہے: 1) اثرات میں heterogeneity اہم ہے اور 2) ملاپ کے لئے اچھا observables سے ہیں. ٹیبل 2.4 ملاپ کتنا بڑا اعداد و شمار ذرائع کے ساتھ استعمال کیا جا سکتا ہے میں سے کچھ دوسری مثالیں فراہم کرتا ہے.

آخر میں، غیر تجرباتی اعداد و شمار سے اسباب کے اثرات کا اندازہ کرنے کے لئے بولی کے نقطہ نظر خطرناک ہیں. تاہم، مضبوط سے کمزور کرنے کی ایک لگاتار ساتھ جھوٹ بول اسباب تخمینے بنانے کے لئے حکمت عملی، اور محققین غیر تجرباتی اعداد و شمار کے اندر منصفانہ موازنہ دریافت کر سکتے ہیں. قدرتی تجربات اور ملاپ: ہمیشہ پر، بڑے اعداد و شمار کے نظام کی ترقی کو موثر انداز میں دو موجودہ طریقوں کو استعمال کرنے کی ہماری صلاحیت کو بڑھاتا ہے.