2.4.3.1 قدرتی تجربات

قدرتی تجربات کی دنیا میں بے ترتیب واقعات کا فائدہ اٹھانے کے. بے ترتیب واقعہ + ہمیشہ پر ڈیٹا نظام = قدرتی تجربہ

منصفانہ مقابلے کے لئے کو چالو کرنے کے randomized کنٹرول تجربات کی کلید randomization ہے ہے. تاہم، کبھی کبھار کسی چیز دنیا بنیادی طور پر مختلف علاج کے لئے تصادفی تصادفی یا تقریبا لوگوں تفویض کرتا میں ہوتا ہے. قدرتی تجربات کے استعمال کی حکمت عملی کا واضح ترین مثالوں میں سے ایک کی تحقیق سے آتا Angrist (1990) کمائی پر فوجی خدمات کا اثر اقدامات کہ.

ویت نام میں جنگ کے دوران، ریاست ہائے متحدہ امریکہ ایک ڈرافٹ کے ذریعے اس کی مسلح افواج کے سائز میں اضافہ ہوا. فیصلہ کرنے کی خدمت میں بلایا جائے گا جس میں شہریوں کے لئے، امریکی حکومت ایک لاٹری منعقد. ہر پیدائش کاغذ کے ایک ٹکڑے پر نمائندگی کیا گیا تھا، اور ان کاغذات میں ایک بڑے گلاس جار میں رکھا گیا تھا. پیکر 2.5 میں دکھایا گیا ہے، کاغذ کے ان تخم حکم کے جوانوں کی خدمت کے لئے (نوجوان خواتین کے مسودے کے تابع نہیں تھے) کہا جائے گا کہ اس بات کا تعین کرنے کے لئے ایک وقت میں ایک سے جار تیار کیا گیا تھا. نتائج کی بنیاد پر، 14 ستمبر کو پیدا ہوئے مردوں تو سب سے پہلے کہا جاتا تھا، 24 اپریل کو پیدا ہونے والے مردوں کی دوسری کہا جاتا تھا، اور. آخر میں، یہ لاٹری میں، 195 مختلف دنوں میں پیدا ہونے والے مردوں کی خدمت کے لئے، جبکہ 171 دنوں پر پیدا ہونے والے آدمیوں نہیں کہلاتے کہا جاتا تھا.

پیکر 2.5: رکن کانگریس الیگزینڈر Pirnie (R-NY) 1 دسمبر کو منتخب سروس ڈرافٹ کے لئے سب سے پہلے کیپسول ڈرائنگ، 1969. یشوع Angrist (1990) فوجی سروس کے اثر کا اندازہ لگانے کے لئے مشترکہ سوشل سیکورٹی ایڈمنسٹریشن سے آمدنی کے اعداد و شمار کے ساتھ ڈرافٹ لاٹری کمائی پر. یہ ایک قدرتی تجربہ کا استعمال کرتے ہوئے تحقیق کی ایک مثال ہے. ماخذ: وکی میڈیا کامنز

یہ فوری طور پر ظاہر نہیں ہو سکتا ہے، اگرچہ، ایک ڈرافٹ لاٹری ایک randomized کنٹرول کے استعمال کے لئے ایک اہم مماثلت ہے: دونوں حالات میں شرکاء تصادفی ایک علاج حاصل کرنے کے لئے تفویض کر رہے ہیں. ڈرافٹ لاٹری کی صورت میں، ہم ڈرافٹ اہلیت اور اس کے نتیجے لیبر مارکیٹ کمائی پر فوجی سروس کے اثرات کے بارے میں سیکھنے میں دلچسپی رکھتے ہیں تو، ہم جن birthdates لاٹری کے cutoff سے نیچے تھے (لوگوں کے لئے نتائج کا آپس میں موازنہ کر سکتے ہیں مثال کے طور پر، 14 ستمبر، اپریل 24، وغیرہ) لوگ جن کی سالگرہ کے cutoff کے بعد تھے (مثلا، 20 فروری، 2 دسمبر، وغیرہ) کے لئے نتائج کے ساتھ.

دیکھتے مسودہ تیار کیا جا رہا ہے کے اس کے علاج تصادفی تفویض کیا گیا ہے، اس کے بعد ہم ماپا گیا ہے کہ کسی بھی نتائج کے لئے اس علاج کا اثر پیمائش کر سکتے ہیں. مثال کے طور پر، Angrist (1990) تصادفی آمدنی اعداد و شمار سوشل سیکورٹی ایڈمنسٹریشن کی طرف سے جمع کیا گیا تھا کہ یہ نتیجہ اخذ کرنے کے لئے سفید سابق فوجیوں کی کمائی کا موازنہ غیر سابق فوجیوں کی آمدنی کے مقابلے میں تقریبا 15 فی صد کم تھے اس کے ساتھ ڈرافٹ میں منتخب کیا گیا تھا جو کے بارے میں معلومات مل کر . دیگر محققین اس کے ساتھ ساتھ اسی طرح کی ایک چال کا استعمال کیا ہے. مثال کے طور پر، Conley and Heerwig (2011) تصادفی 2000 کی مردم شماری اور 2005 امریکی کمیونٹی سروے سے جمع گھریلو ڈیٹا کے ساتھ ڈرافٹ میں منتخب کیا گیا تھا جو کے بارے میں معلومات مل کر اور اتنی دیر کے مسودے کے بعد، بھی نہیں تھا کہ میں تھوڑا طویل المیعاد اثر پایا جیسے ہاؤسنگ دور اقتدار (کرائے کے مقابلے مالک) اور رہائشی استحکام (پچھلے پانچ سالوں میں منتقل ہونے کے امکانات) کے نتائج کے مختلف قسم کے پر فوجی سروس.

اس مثال کی وضاحت کرتا ہے کے طور پر، کبھی کبھی، سماجی، سیاسی، یا قدرتی طاقتوں تجربات یا قریب تجربات محققین کی طرف سے لیوریجڈ کیا جا سکتا ہے پیدا. جہاں یہ اخلاقی یا عملی randomized کنٹرول تجربات چلانے کے لئے نہیں ہے اکثر قدرتی تجربات کی ترتیبات میں وجہ اور اثر کے تعلقات کا اندازہ لگانے کے لئے سب سے اچھا طریقہ ہیں. وہ غیر تجرباتی اعداد و شمار میں منصفانہ موازنہ دریافت کرنے کے لئے ایک اہم حکمت عملی ہیں. یہ تحقیق کی حکمت عملی اس مساوات کی طرف سے بیان کیا جا سکتا ہے:

\ [\ متن {بے ترتیب (یا بے ترتیب طور پر اگر) ایونٹ} + \ متن {ہمیشہ پر اعداد و شمار ندی} = \ متن {قدرتی تجربہ} \ qquad (2.1) \]

تاہم، قدرتی تجربات کا تجزیہ بہت مشکل ہو سکتا ہے. مثال کے طور پر، ویت نام ڈرافٹ کی صورت میں، ہر کوئی جو ڈرافٹ اہل خدمت کر ختم ہوا تھا. (استثناء کی ایک قسم کے تھے). اور، ایک ہی وقت میں، کچھ لوگوں کے ڈرافٹ اہل نہیں رہے تھے جو خدمت کے لئے رضاکارانہ طور پر. کے طور پر ایک نئی دوا کے کلینیکل ٹرائل میں، علاج کے گروپ میں سے کچھ لوگوں کو ان کی دوا لینے کے لئے اور نہیں کیا تو کنٹرول گروپ میں لوگوں میں سے کچھ کسی نہ کسی طرح منشیات کا استقبال کیا تھا. یہ مسئلہ، دو رخا عدم تعمیل سے ملاقات کی، اس کے ساتھ ساتھ بہت سے دوسرے مسائل اس باب کے آخر میں سفارش کی ریڈنگ میں سے کچھ میں زیادہ تفصیل سے بیان کر رہے ہیں.

قدرتی طور پر بالترتیب تقرری واقع ہونے کا فائدہ اٹھاتے ہوئے کی حکمت عملی ڈیجیٹل دور سے پہلے، لیکن بڑی ڈیٹا کی کوریج کو استعمال کرنے کی اس حکمت عملی کو زیادہ آسان ہوتا ہے. آپ کو احساس ہے ایک بار کچھ علاج تصادفی تفویض کیا گیا ہے، بڑی ڈیٹا کے ذرائع آپ کو علاج اور کنٹرول کے حالات میں لوگوں کے لئے نتائج کا موازنہ کرنے کے لئے کی ضرورت ہے کہ نتائج کا ڈیٹا فراہم کر سکتے ہیں. مثال کے طور پر، ڈرافٹ اور فوجی سروس کے اثرات میں سے ان کے مطالعہ میں، Angrist سوشل سیکورٹی ایڈمنسٹریشن سے آمدنی کے ریکارڈ کے استعمال بنا دیا؛ اس کے نتائج کے اعداد و شمار کے بغیر، ان کے مطالعہ ممکن نہیں ہوتا. اس صورت میں، سوشل سیکورٹی ایڈمنسٹریشن ہمیشہ پر بڑی ڈیٹا ذریعہ ہے. زیادہ سے زیادہ خود کار طریقے سے جمع اعداد و شمار کے ذرائع موجود ہیں کے طور پر، ہم زیادہ سے زیادہ نتائج کے اعداد و شمار مارکیٹنگ exogenous تغیرات کی طرف سے پیدا کی تبدیلیوں کے اثرات کی پیمائش کر سکتے ہیں کہ پڑے گا.

ڈیجیٹل دور میں اس حکمت عملی کی وضاحت کرنے، کے مہینے اور Moretti کے کے پر غور کرتے ہیں (2009) پیداوری پر ساتھیوں کے اثرات پر تحقیق مزین. اگرچہ سطح پر یہ ساخت میں، ویت نام ڈرافٹ کے اثرات کے بارے Angrist کے مطالعہ سے مختلف نظر ہو سکتا ہے کہ وہ دونوں EQ میں طرز پر عمل کریں. 2.1.

مہینے اور Moretti کے لئے کس طرح ساتھیوں کارکنوں کی پیداوری کو متاثر ماپا. ایک طرف، ایک مشکل کام کے ہم مرتبہ کے ہونے کی وجہ سے دباؤ کے ان کی پیداوار میں اضافہ کرنے کے لئے کارکنوں کی قیادت کر سکتے. یا، دوسری طرف، ایک مشکل کام کے ہم مرتبہ دیگر کارکنوں سے بھی زیادہ سست کرنا قیادت کر سکتے. پیداوری پر ہم مرتبہ اثرات کا مطالعہ کرنے واضح راستہ کا کسی ایک randomized کنٹرول تجربہ کارکنوں تصادفی مختلف پیداوری کی سطح کی کارکنوں کے ساتھ شفٹوں کو تفویض کر رہے ہیں جہاں اور پھر نتیجے میں پیداوری سب کے لئے ماپا جاتا ہو. محققین، تاہم، کسی بھی اصل کام کاروبار میں کارکنوں کے شیڈول کو کنٹرول نہیں کرتے، اور اسی مہینے اور Moretti کے ایک قدرتی تجربہ ایک سپر مارکیٹ میں منعقد ہوئی جس پر انحصار کرنا پڑا.

بس EQ طرح. 2.1، ان کے مطالعہ کے دو حصے تھے. سب سے پہلے، وہ ایک عین مطابق، انفرادی ہے کے لئے سپر مارکیٹ چیکآاٹ نظام سے نوشتہ استعمال کیا، اور پیداوار کا پیمانہ ہمیشہ پر: فی سیکنڈ سکین اشیاء کی تعداد. اور دوسرا، کیونکہ جس طرح کہ شیڈولنگ اس سپر مارکیٹ میں کیا گیا تھا، وہ ساتھیوں کے بے ترتیب مرکب کے قریب ہے. دوسرے الفاظ میں، اگرچہ کیشیر کے شیڈولنگ ایک لاٹری کی طرف سے مقرر نہیں ہے، یہ بنیادی طور پر بے ترتیب تھا. عملی طور پر، اعتماد ہم قدرتی تجربات میں ہے اکثر اس "کے طور پر اگر" بے ترتیب دعوے کی دکھاوٹ پر قلابے. اس کے بے ترتیب مختلف حالتوں کا فائدہ اٹھاتے ہوئے، مہینے اور Moretti کے اعلی پیداوری کے ساتھیوں کے ساتھ کام کرنے کے پیداوری بڑھاتا ہے کہ پایا. اس کے علاوہ، مہینے اور Moretti کے سائز اور ان کے کوائف سیٹ کی سمردد استعمال کیا دو سے زیادہ اہم اور ٹھیک ٹھیک مسائل دریافت کرنے کی وجہ اور اثر کا تخمینہ سے باہر منتقل کرنے کے لئے: اس اثر (جس کے لئے کارکنوں کی قسم اثر بڑا ہے) کے heterogeneity اور میکانزم اثر کے پیچھے (کیوں اعلی پیداوری ساتھیوں اعلی پیداوری کے لئے قیادت اندوز کرتا ہے). ہم مزید تفصیل میں تجربات پر بات چیت جب ہم نے علاج کے اثرات اور میکانزم میں 5 باب کے ان دو اہم مسائل-heterogeneity واپس آ جائیں گے.

آمدنی اور پیداوری پر ساتھیوں کے اثرات کا مطالعہ پر ویت نام ڈرافٹ کے اثرات پر مطالعہ سے Generalizing، ٹیبل 2.3 یہ عین مطابق ایک ہی ساخت ہے کہ دوسرے جائزوں کا خلاصہ: ایک ہمیشہ پر ڈیٹا کا ذریعہ کچھ ایونٹ کے اثرات کی پیمائش کرنے کے لئے استعمال . ٹیبل 2.3 واضح کرتا ہے کے طور پر آپ کو صرف ان کے لئے ملاحظہ کرنے کے لئے کس طرح معلوم ہے کہ اگر، قدرتی تجربات ہر جگہ ہیں.

عملی طور پر، محققین جن میں سے دونوں سود مند ہو سکتا ہے قدرتی تجربات، تلاش کرنے کے لئے دو مختلف حکمت عملی کا استعمال. بعض محققین کے اعداد و شمار ہمیشہ پر ذریعہ کے ساتھ شروع کریں اور دنیا میں بے ترتیب واقعات کے لئے ملاحظہ؛ دوسروں کو دنیا میں بے ترتیب واقعات کے ساتھ شروع اور اعداد و شمار ذرائع ہیں کہ ان کے اثرات پر قبضہ کے لئے نظر. آخر میں، محسوس قدرتی تجربات کی طاقت شماریاتی تجزیہ کی نفاست کی طرف سے نہیں آتی مگر تاریخ کا ایک خوش قسمت حادثے کی طرف سے پیدا ایک منصفانہ مقابلے کے دریافت کرنے میں دیکھ بھال سے کہ.