En un artículo reciente, Edelman et al. examinar (entre otras cosas) cómo la discriminación en AirBnB varía con las características de los ejércitos. Primero, ellos llevan a cabo un experimento de campo que consiste en enviar a un gran número de ficticio aplicaciones, algunas de las cuales están asociadas con el Afro-Americano nombres y algunos que no lo son. Luego, regresan si el solicitante es aceptado en el huésped de la carrera, un anfitrión de las características y la interacción. Por ejemplo, regresan aceptación en la raza, el anfitrión de la carrera y la interacción de los dos. La idea es que si los anfitriones Estadounidenses (por ejemplo) son menos propensos a discriminar, a continuación, el coeficiente del término de interacción debe ser distinto de cero ya que el efecto de la recepción de una solicitud de un Afro-Americano debe depender de si el anfitrión es Afro-Americano.
Tan lejos, tan bueno. Sin embargo, dado que las características del huésped no son asignados al azar, se debe controlar para ellos. De lo contrario, podríamos encontrarnos con que los Afro-Americanos son menos propensos a discriminar aunque la explicación real es que tienden a ofrecer propiedades caras, y las personas que ofrecen propiedades caras son menos propensos a discriminar (compuesto de ejemplo para ilustrar el punto). Ellos parecen conscientes de ello, ya que lanzar en varios host y la ubicación características como controles. Pero ¿no hubiera sido mejor utilizar las interacciones de estas variables con el solicitante de la etnia de los controles? Después de todo, queremos controlar por el hecho de que las personas con ciertas características que podrían responder a los Afro-Americanos a los solicitantes de manera diferente, y esto significa que controlar por los efectos de la interacción.