4.4.2 उपचार प्रभाव धक्का बसला असून रहिवासातील

प्रयोग साधारणपणे सरासरी परिणाम मोजण्यासाठी, पण परिणाम वेगवेगळया लोकांसाठी वेगवेगळे असू शकते.

सोपे प्रयोग पलीकडे हलवून दुसऱ्या की कल्पना उपचार प्रभाव धक्का बसला असून रहिवासातील आहे. प्रयोग Schultz et al. (2007) अनेक पराक्रम समान उपचार लोक (आकृती 4.4) विविध प्रकारच्या विविध प्रभाव असू शकतात कसे स्पष्ट, पण धक्का बसला असून रहिवासातील या विश्लेषण एक analog वय प्रयोगासाठी प्रत्यक्षात जोरदार असामान्य आहे. सर्वात analog वय प्रयोग कारण त्यांना थोडे ओळखले जाते पूर्व-उपचार आदलाबदलजोगी "विजेट" म्हणून मानले जातात सहभागी एक लहान संख्या समावेश. डिजिटल प्रयोग, तथापि, या डेटा अडचणी संशोधक अधिक सहभागी आहे आणि त्यांना अधिक जाणून मानू कारण कमी सामान्य आहेत. या विविध डेटा वातावरणात, आम्ही उपचार, कसे कार्य करते ते कसे सुधारला जाऊ शकतो आणि तो कसा फायदा मुख्यतः शक्यता असलेल्या लक्ष्य केले जाऊ शकते याचा सुगावा प्रदान करण्यासाठी उपचार प्रभाव धक्का बसला असून रहिवासातील अंदाज करू शकता.

सामाजिक रुढी आणि ऊर्जेचा वापर संदर्भात उपचार प्रभाव धक्का बसला असून रहिवासातील दोन उदाहरणे मुख्यपृष्ठ ऊर्जा अहवाल अतिरिक्त संशोधन येतात. प्रथम, Allcott (2011) अधिक नमुना विभाजन आणि पूर्व-उपचार ऊर्जा वापर decile मुख्यपृष्ठ ऊर्जा अहवाल परिणाम अंदाज मोठ्या नमुना आकार (600.000 कुटुंबे) वापरले. तर Schultz et al. (2007) आढळले जड आणि प्रकाश वापरकर्ते दरम्यान फरक, Allcott (2011) असे आढळून आले की तेथे देखील जड आणि प्रकाश वापरकर्ता गट आत फरक होते. उदाहरणार्थ, heaviest वापरकर्ते (वरच्या decile आहेत) जड वापरकर्ता गट (आकृती 4.7) मध्यभागी कोणीतरी म्हणून दुप्पट त्यांच्या ऊर्जा वापर कमी केला. शिवाय, पूर्व-उपचार वर्तन परिणाम अंदाज देखील हलके वापरकर्ते (आकृती 4.7) एक दुस-यावर केलेली कारवाई आपल्यावरच उलटणे परिणाम आली की नाही दिल्या आहेत.

आकृती 4.7 उपचार प्रभाव धक्का बसला असून रहिवासातील Allcott (2011) . ऊर्जेचा वापर कमी मूलभूत वापर विविध deciles लोकांना वेगळे होते.

संबंधित अभ्यास, Costa and Kahn (2013) की मुख्यपृष्ठ ऊर्जा अहवाल परिणामकारकता एक सहभागी राजकीय विचारसरणी आणि उपचार प्रत्यक्षात काही विचारधारेच्या लोक त्यांच्या विजेचा वापर वाढ ओतले यासाठी की आधा रत नाही speculated आहे. दुसऱ्या शब्दांत, ते मुख्यपृष्ठ ऊर्जा अहवाल काही लोक प्रकारच्या एक दुस-यावर केलेली कारवाई आपल्यावरच उलटणे परिणाम तयार केले जाऊ शकते की speculated. ही शक्यता आढावा घेण्यासाठी कोस्टा आणि कान अशा राजकीय पक्ष नोंदणी, पर्यावरण संस्था देणग्या, आणि नवीकरणीय ऊर्जा कार्यक्रम घरगुती सहभाग माहिती समाविष्ट तृतीय-पक्ष समूहक खरेदी डेटा Opower डेटा विलीन. या विलीन डेटासेटच्या सह, कोस्टा आणि कान आढळले मुख्यपृष्ठ ऊर्जा अहवाल अन्य विचारधारेच्या सहभागी सामान्यपणे समान घडवली आहे; कोणत्याही गट दुस-यावर केलेली कारवाई आपल्यावरच उलटणे प्रभाव (आकृती 4.8) प्रदर्शन की नाही पुरावा होता.

आकृती 4.8: उपचार प्रभाव धक्का बसला असून रहिवासातील Costa and Kahn (2013) . संपूर्ण नमुना अंदाज सरासरी उपचार प्रभाव -2,1% [-1.5%, -2,7%] आहे. घरांना माहिती प्रयोग माहिती एकत्र करून, Costa and Kahn (2013) लोकांना अत्यंत विशिष्ट गट उपचार प्रभाव अंदाज सांख्यिकीय मॉडेल मालिका वापरले. दोन अंदाज अंदाज covariates ते त्यांच्या संख्याशास्त्रीय मॉडेल समाविष्ट अवलंबून कारण प्रत्येक गट सादर केले आहेत (तक्ता 3 आणि टेबल 4 4 मॉडेल आणि 6 मॉडेल पाहू Costa and Kahn (2013) ). हे उदाहरण स्पष्ट म्हणून, उपचार प्रभाव संख्याशास्त्रीय मॉडेल येतात की त्या मॉडेल तपशील अवलंबून करू शकता विविध लोकांना आणि उपचार प्रभाव अंदाजपत्रकास भिन्न असू शकते (Grimmer, Messing, and Westwood 2014) .

या दोन उदाहरणे स्पष्ट म्हणून, डिजिटल युगात, आम्ही आणखी पुष्कळ सहभागी असू शकतात आणि त्या सहभागी अधिक माहीत आहे, कारण उपचार प्रभाव धक्का बसला असून रहिवासातील अंदाज सरासरी उपचार प्रभाव अंदाज पासून हलवू शकता. उपचार प्रभाव धक्का बसला असून रहिवासातील शिकून करू शकता सर्वात प्रभावी आहे जेथे उपचार लक्ष्य करा, नवीन सिद्धांत विकास उत्तेजित की तथ्य प्रदान, आणि संभाव्य यंत्रणा, विषय मी आता चालू याविषयी इशारे प्रदान.