4.4.2 A heteroxeneidade dos efectos do tratamento

Experimentos normalmente medir o efecto da media, pero o efecto pode ser diferente para persoas diferentes.

A segunda idea clave para ir alén de experiencias simples é a heteroxeneidade dos efectos do tratamento. O experimento de Schultz et al. (2007) poderosamente ilustra como o mesmo tratamento pode ter efectos diferentes en diferentes tipos de persoas (Figura 4.4), pero esta análise da heteroxeneidade é moi inusual para un experimento era analóxica. A maioría dos experimentos era analóxica implica un pequeno número de participantes que son tratados como "widgets" intercambiables por pouco sobre eles é coñecido pretratamento. En experiencias dixitais, no entanto, estas restricións de datos son menos comúns porque os investigadores tenden a ter máis participantes e saber máis sobre eles. Neste ámbito de datos diferente, podemos estimar a heteroxeneidade dos efectos do tratamento, a fin de proporcionar pistas sobre como o tratamento funciona, como pode ser mellorada, e como pode ser dirixidos para os máis probable para beneficiarse.

Dous exemplos de heteroxeneidade dos efectos do tratamento no contexto das normas sociais e uso de enerxía veñen de investigacións adicionais sobre a Home Energy Reports. En primeiro lugar, Allcott (2011) usou o tamaño da mostra grande (600.000 fogares) para dividir aínda máis a mostra e estimar o efecto do Informe de Enerxía Home por decil de uso de enerxía pretratamento. Mentres Schultz et al. (2007) atoparon diferenzas entre os usuarios pesados ​​e lixeiros, Allcott (2011) atoparon que había tamén diferenzas dentro do grupo de usuarios pesados ​​e lixeiros. Por exemplo, os usuarios máis pesados ​​(aqueles no decil superior) reduciu o seu consumo de enerxía dúas veces máis que alguén no medio do grupo de usuarios pesada (Figura 4.7). Ademais, a estimación do efecto polo comportamento de pretratamento tamén revelou que non había un efecto boomerang mesmo para os usuarios máis lixeiros (Figura 4.7).

Figura 4.7: A heteroxeneidade dos efectos do tratamento en Allcott (2011) . A redución no consumo de enerxía foi diferente para as persoas en diferentes decis de uso de liña de base.

Nun estudo relacionado, Costa and Kahn (2013) especularon que a eficacia do Informe de Enerxía Inicio podería variar segundo a ideoloxía política dun participante e que o tratamento pode realmente causar persoas con certas ideoloxías a aumentar o uso de enerxía eléctrica. Noutras palabras, eles especularon que a casa Informes de enerxía pode estar creando un efecto boomerang para algúns tipos de persoas. Para avaliar esta posibilidade, Costa e Kahn fundiu os datos Opower datos adquiridos a partir dun agregador de terceiros que incluíu información como o rexistro de partidos políticos, as doazóns para organizacións de medio ambiente, e participación das familias nos programas de enerxía renovable. Con este conxunto de datos resultante da fusión, Costa e Kahn descubriu que as Portada Relatos de Enerxía produciu efectos moi semellantes aos asistentes con diferentes ideoloxías; non había ningunha evidencia que calquera grupo exhibiu efectos bumerangue (Figura 4.8).

Figura 4.8: A heteroxeneidade dos efectos do tratamento en Costa and Kahn (2013) . O efecto do tratamento medio estimado para a totalidade da mostra é -2,1% [-1,5%, -2,7%]. Ao combinar información do experimento con información sobre as familias, Costa and Kahn (2013) usou unha serie de modelos estatísticos para estimar o efecto do tratamento para grupos moi específicos de persoas. Dúas estimacións preséntanse para cada grupo por que as estimacións dependen das co-variables que incluíron nos seus modelos estatísticos (ver modelo 4 e modelo 6 na Táboa 3 e Táboa 4 en Costa and Kahn (2013) ). Como este exemplo ilustra, os efectos do tratamento poden ser diferentes para persoas diferentes e as estimacións dos efectos dos tratamentos que veñen de modelos estatísticos pode depender dos detalles destes modelos (Grimmer, Messing, and Westwood 2014) .

Como estes dous exemplos ilustran, na era dixital, podemos pasar de estimar efectos medios de tratamento para estimar a heteroxeneidade dos efectos do tratamento porque podemos ter moitos máis participantes e sabemos máis sobre estes participantes. Aprender sobre a heteroxeneidade dos efectos do tratamento pode permitir a segmentación dun tratamento onde é máis eficaz, proporcionar feitos que estimulan o desenvolvemento de novos teoría, e proporcionar pistas sobre un posible mecanismo, o tema para o que eu volver agora.