4.1簡介

在這本書中，觀察行為（第2章）和提問到目前為止所覆蓋的方法（第3章）-researchers收集什麼在世界上是自然發生的數據。包括在本運行章，該方法的實驗，是根本不同的。當研究人員進行實驗，他們系統地在全球進行干預，以創建一個非常適合回答關於原因和結果的關係問題的數據。

原因和結果的問題在社會研究很常見的，例如包括問題，比如是否增加教師工資提高學生的學習？什麼是最低工資對就業率的影響？如何做一個求職者的種族影響她找工作的機會呢？除了這些明確的因果問題，有時會引起和 - 效果的問題是在一些性能度量最大化更一般的問題是隱含的。例如，這個問題：“什麼顏色的按鈕，將在一個非政府組織的網站網站最大限度地捐款？”真的是大量關於不同顏色的按鈕上捐款的影響問題。

解答原因和效果的問題的一種方法是尋找在現有的數據的模式。例如，使用從數千所學校的數據，你可能會計算學生學習更多的學校提供較高的教師工資。但是，這是否相關性表明，更高的薪水導致學生了解更多信息？當然不是。學校老師那裡賺更多的可能是在許多方面有所不同。例如，學生在學校中具有較高的教師工資可能來自富裕家庭。因此，看起來像教師的作用可能只是從比較不同類型的學生來。學生之間的這些未測量差異被稱為混雜因素 ，而在一般情況下，混雜的可能性造成十分上研究者通過尋找在現有的數據型態來回答原因和效果的問題的能力的破壞。

一個解決方案混雜的問題是試圖通過調整組之間觀察到的差異，使公平的比較。例如，您也許可以從一些政府網站下載房產稅的數據。然後，你可以比較在學校，其中住宅價格都差不多，但教師的工資是不同的學生的表現，你還是可能會發現，學生的學習更多的學校具有較高的教師工資。但是，還是有很多可能的混雜因素。或許這些學生的家長在教育程度不同，或者學校在他們的親密關係有所不同公共圖書館或者具有較高的教師工資的學校也有校長和校長的薪酬更高的薪酬，而不是教師工資，真的是什麼增加學生的學習。你可以嘗試來衡量這些其他因素，但可能的混雜因素的名單基本上是無止境的。在許多情況下，你就不能測量和調整所有可能的混雜因素。這種方法只可以帶你這麼遠。

較好地解決了混雜的問題，正在運行的實驗。實驗使研究人員能夠超越相關的移動為了可靠地回答原因和效果的問題自然產生的數據。在模擬時代，實驗往往後勤困難和昂貴的。現在，在數字時代，後勤方面的限制正在逐步消失。它不僅是比較容易做到象那些研究者的實驗已經在過去完成的，現在有可能運行新種實驗。

在我到目前為止所寫的，我已經在我的語言有點松，但兩件事情來區分是很重要的：實驗和隨機對照實驗。在一個實驗中研究人員介入世界，然後測量的結果。我聽說形容這種做法“擾動觀察。”這個戰略是在自然科學中是非常有效的，但在醫學和社會科學，有一個更好的工作的另一種方法。在一項隨機對照試驗的研究人員介入某些人，不為別人，而且，關鍵的是，研究人員決定哪些人收到隨機干預（如擲硬幣）。此過程可確保隨機對照實驗，創建兩個群體之間的公平比較：已收到具有不干預和一一。換句話說，隨機對照實驗是對混雜的問題的解決方案。儘管實驗和隨機對照實驗之間的重要差異，社會研究者經常交替使用這些術語。我會按照這個習慣，但是，在某些點上，我會打破慣例，強調隨機對照實驗的實驗上的價值沒有隨機化和對照組。

隨機對照實驗已經證明是了解社會世界的有力手段，而在本章中，我會教你更多關於如何在您的研究中使用它們。在4.2節，我將舉例說明與維基百科實驗的一個例子實驗的基本邏輯。然後，在4.3節中，我將描述的實驗室實驗和現場實驗和模擬實驗，數字實驗之間的差異之間的差異。此外，我認為，數碼領域的實驗可以在一個規模，這是以前沒有的提供模擬實驗室實驗中的最佳特性（嚴格的控制）和模擬現場試驗（現實），所有。接下來，在第4.4節，我將介紹三個概念，有效性，治療效果的異質性和機制，是設計富有實驗的關鍵。有了這樣的背景，我將介紹參與了數字進行實驗的兩個主要策略的取捨：做自己（第4.5.1節），或者與強大的（第4.5.2節）合作。最後，我將與你如何利用數字化實驗（第4.6.1節）的實際功率的優勢一些設計諮詢總結並描述了帶有權力（第4.6.2節）的責任。本章將用最少的數學符號和形式語言的呈現;感興趣的一個更正式的，數學方法實驗，讀者還應該在本章的閱讀正文之後的技術附錄。