4.4.2 치료 효과의 이질성

실험은 일반적으로 평균 효과를 측정하지만, 그 효과는 다른 사람에 대해 상이 할 수있다.

간단한 실험을 넘어 이동하는 두 번째 핵심 아이디어는 치료 효과의 이질성이다. 의 실험 Schultz et al. (2007) 강력 같은 치료가 사람 (그림 4.4)의 종류에 다른 영향을 미칠 수있는 방법을 보여줍니다,하지만 이질성이 분석은 아날로그 시대의 실험 사실은 꽤 이례적인 일이다. 대부분의 아날로그 세 실험 그들 약간은 전처리 알려져 있기 때문에 상호 교환 "위젯"로 취급 참가자 소수를 포함한다. 디지털 실험에서, 그러나, 이러한 데이터 제약 연구진은 이상의 참가자가 그들에 대해 더 알고 경향이 있기 때문에 덜 일반적이다. 이러한 다른 데이터 환경에서는 치료가 개선 될 수 있는지, 작동 방법이 유익 할 가능성이 가장 높은 자에게 타겟팅하는 방법에 대한 단서를 제공하기 위해서 치료 효과의 이질성을 예측할 수있다.

사회 규범과 에너지 사용의 맥락에서 치료 효과의 이질성의 두 가지 예는 가정 에너지 보고서에 대한 추가 연구에서 왔습니다. 먼저, Allcott (2011) 상기 샘플을 분할 전처리 에너지 사용량의 십분하여 홈 에너지 보고서의 영향을 추정하기 위해 큰 샘플 크기 (60 세대)을 사용했다. 동안 Schultz et al. (2007) 무겁고 가벼운 사용자 간의 차이가 발견 Allcott (2011) 또한 무겁고 가벼운 사용자 그룹 내에서 차이가 사실을 발견했습니다. 예를 들어, 가장 많은 사용자 (상단 분위에서라면) 무거운 사용자 그룹 (도 4.7)의 중간에있는 사람의 두 배만큼의 에너지 사용량을 감소시켰다. 또한, 전처리 동작에 의해 영향을 추정 또한 심지어 가벼운 사용자 (그림 4.7)에 대한 부메랑 효과가 없었다 것으로 나타났습니다.

그림 4.7 : (2011) Allcott에서 치료 효과의 이질성. 에너지 사용의 감소는 기준 사용량의 다른 분위에있는 사람들을위한 달랐다.

그림 4.7 :에 치료 효과의 이질성 Allcott (2011) . 에너지 사용의 감소는 기준 사용량의 다른 분위에있는 사람들을위한 달랐다.

관련 연구에서, Costa and Kahn (2013) 홈 에너지 보고서의 효과는 참가자의 정치 이념과 치료가 실제로 특정 이념을 가진 사람들이 자신의 전기 사용을 증가시킬 수 있음을 따라 달라질 수 있다고 추측했다. 즉, 이들은 홈 에너지 리포트 명 일부 유형의 부메랑 효과를 생성 할 수 있음을 추측했다. 이 가능성을 평가하기 위해, 코스타와 칸은 정당 등록, 환경 단체에 기부하고, 신 재생 에너지 프로그램에 가정의 참여 등의 정보를 포함 타사 애그리 게이터 (aggregator)에서 구입 한 데이터와 Opower 데이터를 합병했다. 이 병합 된 데이터 집합으로, 코스타와 칸은 가정 에너지 보고서가 서로 다른 이념을 가진 참가자들에게 광범위하게 유사한 효과를 생산 것으로 나타났습니다; 어떤 그룹이 부메랑 효과 (그림 4.8)을 전시한다는 증거는 없었다.

그림 4.8 : 코스타와 칸 (2013)에 치료 효과의 이질성. 전체 샘플의 예상 평균 치료 효과는 -2.1 % [-1.5 %, -2.7 %]입니다. 세대에 대한 정보 실험 정보를 조합하여, 코스타 (2013) 칸 명 매우 특정 그룹에 대한 치료 효과를 추정하는 통계 모델의 시리즈를 사용 하였다. 추정치들은 통계적 모델에 포함 된 공변량에 의존하기 때문에 두 추정치가 각 그룹에 대해 제공된다 (코스타 칸 (2013)에서 표 3 및 표 4의 4 및 6 모델 모델 참조). 이 예에서 보듯, 치료 효과가 그 모델의 세부 사항에 따라 달라질 수 있습니다 통계 모델에서 온 다른 사람과 치료 효과의 추정치와 다를 수 있습니다 (Grimmer, 메싱, 그리고 웨스트 우드 2014).

그림 4.8 :에 치료 효과의 이질성 Costa and Kahn (2013) . 전체 샘플의 예상 평균 치료 효과는 -2.1 % [-1.5 %, -2.7 %]입니다. 세대에 대한 정보 실험 정보를 조합하여, Costa and Kahn (2013) 명 매우 특정 그룹에 대한 치료 효과를 추정하는 통계 모델의 시리즈를 사용 하였다. 추정치는 그들의 통계 모델에 포함 된 공변량에 의존하기 때문에 두 추정치는 각 그룹에 대해 제공된다 (표 3, 표 4의 4 모델 6 모델을 참조 Costa and Kahn (2013) ). 이 예에서 보듯, 치료 효과가 그 모델의 세부 사항에 따라 달라질 수 있습니다 통계 모델에서 온 다른 사람과 치료 효과의 추정치와 다를 수 있습니다 (Grimmer, Messing, and Westwood 2014) .

이 두 가지 예는 설명 된 바와 같이, 디지털 시대에, 우리는 우리가 더 많은 참가자를 가질 수 있고 우리가 그 참가자에 대한 자세한 내용을 알고 있기 때문에 치료 효과의 이질성을 추정에 평균 치료 효과를 추정 이동할 수 있습니다. 치료 효과의 이질성에 대한 학습이 가장 효과적인 치료의 타겟팅 수 있도록, 새로운 이론 개발을 자극 사실을 제공하며, 가능한기구, 지금 설정하는 주제에 대한 힌트를 제공 할 수 있습니다.