ดวด
การเล่นดวด อุปกรณ์ที่ใช้เล่น ใช้กระดานสำหรับการเล่นดวดรูปสี่เหลี่ยมทุกมุมของกระดานขีดเป็นช่องตารางไว้เป็น 3 แถวๆ 5 ช่อง รวมเป็น 15 ช่อง ขีดกากบาทเป็นช่องไว้ 2 ช่อง มีเบี้ยจั่นสำหรับเท 5 เบี้ย และเบี้ยสำหรับใช้เป็นตัวเดินฝ่ายละ 3 เบี้ย พร้อมทั้งกระบอกสำหรับเทเบี้ยและกระบอกเติ่งดวด 1 ชุด
วิธีเล่น
1.ผู้เล่นทั้งสองฝ่ายนั่งเทดวดอยู่ตรงด้านเติ่งดวดของกระดานสำหรับเดินแต้ม ผลัดกันเทคนละครั้ง ใครจะเป็นผู้เริ่มเทก่อนนั้นแล้วแต่จะตกลงกัน
2.การจะเริ่มต้นเดินแต้มได้ (เกิด) ผู้เริ่มเทจะต้องเทให้เบี้ยนั้น หงายเพียง 1 เบี้ย หรือหงายทั้ง 5 เบี้ย หรือคว่ำทั้ง 5 เบี้ย อย่างใดอย่างหนึ่ง
3.เมื่อเกิดได้แล้วผู้เทจะเทได้เบี้ยหงายเท่าไรก็เดินไปตามช่องตารางทางซ้ายมือของช่องกลางก่อน แล้วเดินต่อไปตามลำดับทางช่องขวา
4.ถ้าผู้เทเริ่มเทหงายได้เพียง 1 เบี้ย เกิดได้ตัวเดียว ถ้าเทหงายได้ 5 เบี้ย หรือคว่ำได้ทั้ง 5 เบี้ย เกิดพร้อมกันทั้งสามตัว เมื่อฝ่ายใดเทให้หงายได้ 1 เบี้ย เทหงายได้ 5 เบี้ย หรือคว่ำได้ 5 เบี้ย แล้วเรียกว่า “ดวด” มีสิทธิที่จะได้เล่นอีกหนึ่งครั้ง
5.การเดินเบี้ยไปตามช่องตามแต้มที่เทได้ เมื่อช่องที่แต้มหยุดมีตัวเดินของฝ่ายตรงข้ามวางอยู่ก่อนแล้ว หากผู้เล่นมีความประสงค์ที่จะหยุดตามช่องนั้นก็ทำได้โดยตีตัวเดินของฝ่ายตรงข้ามซึ่งอยู่ในช่องนั้นให้กลับลงไปเริ่มต้นใหม่ หรือไม่คิดจะตีก็เดินตัวอื่นของตนแทน การตีตัวเดินของฝ่ายตรงข้ามนั้นสามารถตีได้ทุกช่อง ยกเว้นช่องที่มีเครื่องหมายกากบาทเท่านั้น
6.ถ้าฝ่ายใดสามารถทอดเบี้ยเดินแต้มนับตั้งแต่ช่องเกิด เวียนไปทางขวาตามช่องทางเดินตลอดทั้ง 4 มุมของกระดานจนกลับมาผ่านช่องเกิดของตนที่เริ่มต้นเดินได้ทั้งสามตัวก่อนอีกฝ่ายหนึ่ง ถือว่าฝ่ายนั้นเป็นฝ่ายชนะได้สินพนันตามที่ตกลงกันไว้
เพื่อเป็นการแสดงให้เห็นถึงยุทธศาสตร์นี้ในยุคดิจิตอลลองพิจารณาการศึกษาของ Alexandre Mas และ Enrico Moretti (2009) ที่พยายามประเมินผลของการทำงานร่วมกับเพื่อนร่วมงานที่มีประสิทธิผลต่อประสิทธิภาพการทำงานของคนงาน ก่อนที่จะเห็นผลการค้นหาคุณควรชี้แจงว่ามีความคาดหวังขัดแย้งกันที่คุณอาจมี ในแง่หนึ่งคุณอาจคาดหวังว่าการทำงานร่วมกับเพื่อนร่วมงานที่มีประสิทธิผลจะทำให้คนงานสามารถเพิ่มผลผลิตได้เนื่องจากความกดดัน หรือในทางกลับกันคุณอาจคาดหวังว่าการมีเพื่อนทำงานอย่างหนักอาจทำให้คนงานเลิกงานเพราะงานนี้จะทำโดยเพื่อนของเธอต่อไป วิธีการที่ชัดเจนที่สุดในการศึกษาผลกระทบต่อประสิทธิภาพการทำงานของเพื่อนร่วมงานคือการทดลองแบบสุ่มควบคุมซึ่งจะมีการสุ่มให้พนักงานได้รับการสุ่มตัวอย่างให้เลื่อนไปหาคนทำงานที่มีระดับการผลิตต่างกันและจะมีการวัดผลการผลิตสำหรับทุกคน นักวิจัยไม่ได้ควบคุมเวลาของคนงานในธุรกิจที่แท้จริงใด ๆ ดังนั้น Mas และ Moretti ต้องพึ่งพาการทดลองตามธรรมชาติที่เกี่ยวข้องกับพนักงานเก็บเงินในซุปเปอร์มาร์เก็ต
ในซูเปอร์มาร์เก็ตรายนี้เนื่องจากวิธีตั้งเวลาและวิธีการที่ซ้อนกันแคชเชียร์แต่ละคนมีเพื่อนร่วมงานที่แตกต่างกันในแต่ละช่วงเวลาของวัน นอกจากนี้ในซูเปอร์มาร์เก็ตโดยเฉพาะอย่างยิ่งนี้การกำหนดแคชเชียร์ไม่ได้เกี่ยวข้องกับผลผลิตของเพื่อนหรือความวุ่นวายในการจัดเก็บ กล่าวอีกนัยหนึ่งถึงแม้ว่าการจัดตารางเวลาของพนักงานเก็บเงินไม่ได้ถูกกำหนดโดยการจับสลาก แต่ก็เหมือนกับว่าคนงานบางครั้งได้รับมอบหมายให้ทำงานกับเพื่อนร่วมงานด้านประสิทธิภาพสูง (หรือต่ำ) โชคดีที่ซูเปอร์มาร์เก็ตนี้ยังมีระบบเช็คเอาต์แบบดิจิทัลซึ่งติดตามรายการที่แคชเชียร์กำลังสแกนอยู่ตลอดเวลา จากข้อมูลบันทึกการตรวจสอบนี้ Mas และ Moretti สามารถสร้างการวัดผลการทำงานได้อย่างแม่นยำบุคคลและตลอดเวลา: จำนวนรายการที่สแกนต่อวินาที Mas และ Moretti คาดว่าหากแคชเชียร์ได้รับมอบหมายให้ทำงานร่วมกับแรงงานที่มีประสิทธิผลมากกว่าค่าเฉลี่ย 10% ผลผลิตของเธอจะเพิ่มขึ้น 1.5% เมื่อเทียบกับปีที่ผ่านมา . นอกจากนี้ยังใช้ขนาดและความมีชีวิตชีวาของข้อมูลเพื่อสำรวจประเด็นสำคัญสองประเด็นคือความ ไม่เท่าเทียมกัน ของผลกระทบนี้ (สำหรับคนงานประเภทใดที่มีผลต่อขนาดใหญ่ขึ้น) และ กลไกที่ อยู่เบื้องหลังผลกระทบ (ทำไมจึงมีคนทำกำไรสูงที่นำไปสู่ ประสิทธิภาพที่สูงขึ้นหรือไม่?) เราจะกลับไปสู่ประเด็นสำคัญสองประเด็นนี้คือความไม่เหมือนกันของผลกระทบและกลไกการรักษาในบทที่ 4 เมื่อเราพูดถึงการทดลองในรายละเอียดมากขึ้น จากการศึกษาทั้งสองแบบนี้ตารางที่ 2.3 สรุปการศึกษาอื่น ๆ ที่มีโครงสร้างเดียวกันนี้: ใช้แหล่งข้อมูลที่มีอยู่ตลอดเวลาเพื่อวัดผลของรูปแบบที่สุ่ม ในทางปฏิบัตินักวิจัยใช้สองกลยุทธ์ที่แตกต่างกันในการหาการทดลองตามธรรมชาติซึ่งทั้งสองจะมีผลสำเร็จ นักวิจัยบางคนเริ่มต้นด้วยแหล่งข้อมูลที่มีอยู่ตลอดเวลาและมองหาเหตุการณ์แบบสุ่มในโลก คนอื่น ๆ เริ่มต้นเหตุการณ์สุ่มในโลกและมองหาแหล่งข้อมูลที่จับภาพผลกระทบของมัน
ในการอภิปรายเกี่ยวกับการทดลองตามธรรมชาติผมได้ทิ้งประเด็นสำคัญไว้: จากสิ่งที่ธรรมชาติได้มอบให้กับสิ่งที่คุณต้องการบางครั้งอาจยุ่งยากมาก กลับมาที่ตัวอย่างร่างของเวียดนาม ในกรณีนี้ Angrist มีความสนใจในการประเมินผลกระทบของการรับราชการทหารกับรายได้ แต่น่าเสียดายที่การรับราชการทหารไม่ได้รับการสุ่ม ค่อนข้างถูกเกณฑ์ทหารที่ได้รับมอบหมายแบบสุ่ม อย่างไรก็ตามไม่ใช่ทุกคนที่ได้รับการเกณฑ์ทหาร (มีข้อยกเว้นมากมาย) และไม่ใช่ทุกคนที่ได้รับการเกณฑ์ทหาร (คนสามารถอาสาทำหน้าที่ได้) เนื่องจากการร่างแบบสุ่มได้รับมอบหมายผู้วิจัยสามารถประเมินผลของการร่างแบบร่างสำหรับชายทั้งหมดในร่างได้ แต่ Angrist ไม่ต้องการทราบผลของการร่าง เขาต้องการทราบผลของการรับราชการทหาร เพื่อให้การประมาณนี้ต้องใช้สมมติฐานและภาวะแทรกซ้อนเพิ่มเติม ประการแรกนักวิจัยจำเป็นต้องสมมติว่าวิธีเดียวที่มีการร่างผลกระทบรายได้คือการรับราชการทหารสมมติฐานที่เรียกว่า ข้อ จำกัด การยกเว้น สมมติฐานนี้อาจผิดถ้าเช่นผู้ชายที่ถูกเกณฑ์ทหารอยู่ในโรงเรียนอีกต่อไปเพื่อหลีกเลี่ยงการให้บริการหรือถ้านายจ้างมีโอกาสน้อยที่จะจ้างคนที่ถูกเกณฑ์ทหาร โดยทั่วไปข้อ จำกัด การยกเว้นเป็นข้อสันนิษฐานที่สำคัญและมักยากที่จะตรวจสอบ แม้ว่าข้อ จำกัด ในการยกเว้นจะถูกต้อง แต่ก็ยังไม่สามารถประเมินผลกระทบของการให้บริการกับผู้ชายทุกคนได้ แต่กลับกลายเป็นว่านักวิจัยสามารถประมาณผลกระทบเฉพาะกลุ่มคนที่เรียกว่าคอมมิวนิสต์ (ผู้ชายที่จะให้บริการเมื่อร่าง แต่จะไม่ทำหน้าที่เมื่อไม่ได้ร่าง) (Angrist, Imbens, and Rubin 1996) คอมมิวนิสต์ไม่ใช่ประชากรดั้งเดิมที่น่าสนใจ ขอให้สังเกตว่าปัญหาเหล่านี้เกิดขึ้นแม้ในกรณีที่ค่อนข้างสะอาดของการจับสลากร่าง ภาวะแทรกซ้อนอื่น ๆ เกิดขึ้นเมื่อการรักษาไม่ได้ถูกกำหนดโดยการจับสลากทางกายภาพ ตัวอย่างเช่นในการสำรวจ Masiers and Moretti ของพนักงานเก็บเงินคำถามเพิ่มเติมเกี่ยวกับสมมติฐานว่าการมอบหมายของเพื่อนเป็นแบบสุ่ม หากสมมติฐานนี้ถูกละเมิดอย่างมากอาจส่งผลเสียต่อประมาณการของพวกเขา สรุปได้ว่าการทดลองตามธรรมชาติอาจเป็นกลยุทธ์ที่มีประสิทธิภาพสำหรับการประมาณสาเหตุจากข้อมูลที่ไม่ได้ทดลองและแหล่งข้อมูลขนาดใหญ่เพิ่มความสามารถในการใช้ประโยชน์จากการทดลองตามธรรมชาติเมื่อเกิดขึ้น อย่างไรก็ตามอาจต้องมีการดูแลที่ดีและสมมติฐานที่แข็งแกร่งบางครั้งเพื่อให้ได้มาจากสิ่งที่ธรรมชาติได้ให้ไว้กับประมาณการที่คุณต้องการ
กลยุทธ์ที่สองที่ฉันอยากบอกให้คุณทราบเกี่ยวกับการประมาณการสาเหตุจากข้อมูลที่ไม่ได้ทดลองขึ้นอยู่กับการปรับข้อมูลทางสถิติที่ไม่ใช่ข้อมูลเชิงสถิติเพื่อหาข้อแตกต่างก่อนหน้าระหว่างผู้ที่ทำและไม่ได้รับการรักษา มีวิธีการปรับจำนวนมาก แต่ฉันจะเน้นที่การ จับคู่แบบ หนึ่งที่เรียกว่า ในการจับคู่นักวิจัยมองผ่านข้อมูลที่ไม่ได้ทดลองเพื่อสร้างคู่ที่คล้ายคลึงกันยกเว้นคนที่ได้รับการรักษาและไม่มี ในระหว่างการจับคู่นักวิจัยกำลัง ตัดแต่งกิ่ง ด้วย นั่นคือทิ้งกรณีที่ไม่มีการแข่งขันที่ชัดเจน ดังนั้นวิธีนี้จะเรียกได้อย่างถูกต้องมากขึ้นว่าการจับคู่และการตัดแต่งกิ่ง แต่ฉันจะยึดติดกับคำเดิม: การจับคู่ ตัวอย่างหนึ่งของพลังในการจับคู่กลยุทธ์กับแหล่งข้อมูลที่ไม่ใช่ข้อมูลเชิงทดลองส่วนใหญ่มาจากการวิจัยเกี่ยวกับพฤติกรรมผู้บริโภคโดย Liran Einav และเพื่อนร่วมงาน (2015) พวกเขาสนใจในการประมูลที่เกิดขึ้นบนอีเบย์และในการอธิบายผลงานของพวกเขาเราจะเน้นผลของราคาเริ่มประมูลในผลลัพธ์การประมูลเช่นราคาขายหรือความน่าจะเป็นของการขาย
วิธีที่ไร้เดียงสาที่สุดในการประมาณผลกระทบของราคาเริ่มต้นจากราคาขายก็คือการคำนวณราคาสุดท้ายสำหรับการประมูลด้วยราคาเริ่มต้นที่ต่างกัน วิธีนี้จะดีถ้าคุณต้องการคาดการณ์ราคาขายที่กำหนดราคาเริ่มต้น แต่ถ้าคำถามของคุณเกี่ยวข้องกับผลกระทบของราคาเริ่มต้นวิธีนี้จะไม่ได้ผลเนื่องจากไม่ได้ขึ้นอยู่กับการเปรียบเทียบที่เป็นธรรม การประมูลที่มีราคาเริ่มต้นต่ำอาจแตกต่างไปจากราคาเริ่มต้นที่สูงขึ้น (เช่นอาจเป็นเพราะสินค้าประเภทต่างๆหรือผู้ขายประเภทต่างๆ)
หากคุณทราบถึงปัญหาที่อาจเกิดขึ้นเมื่อทำการประมาณการเชิงสาเหตุจากข้อมูลที่ไม่ใช่ข้อมูลทดลองแล้วคุณอาจข้ามวิธีการที่ไร้เดียงสาและลองใช้การทดสอบภาคสนามซึ่งคุณจะขายสินค้าที่เฉพาะเจาะจงเช่นกอล์ฟคลับที่มีการแก้ไข ชุดพารามิเตอร์การประมูลกล่าวว่าการจัดส่งฟรีและการประมูลเปิดให้บริการเป็นเวลาสองสัปดาห์ แต่มีการกำหนดราคาเริ่มต้นแบบสุ่ม เมื่อเปรียบเทียบผลการตลาดที่เกิดขึ้นแล้วการทดสอบภาคสนามนี้จะมีการวัดผลของราคาเริ่มต้นจากราคาขายที่ชัดเจน แต่การวัดนี้จะใช้กับผลิตภัณฑ์เฉพาะและชุดพารามิเตอร์การประมูลเท่านั้น ผลลัพธ์อาจแตกต่างกันตัวอย่างเช่นสำหรับผลิตภัณฑ์ประเภทต่างๆ หากปราศจากทฤษฎีที่แข็งแกร่งก็ยากที่จะคาดการณ์จากการทดลองเดี่ยวนี้ไปจนถึงการทดลองที่เป็นไปได้ทั้งหมดที่อาจเกิดขึ้นได้ นอกจากนี้การทดลองในสนามมีราคาแพงพอสมควรที่จะไม่สามารถทำงานได้ทุกรูปแบบที่คุณอาจต้องการลอง