4.4.2 Heterogenost učinkov zdravljenja

Poskusi običajno merijo povprečno učinek, vendar je učinek lahko različna za različne ljudi.

Druga ključna ideja za preseganje preprostih eksperimentov je heterogenost učinkov zdravljenja. Poskus Schultz et al. (2007) močno kaže, kako ima lahko enako obravnava različne učinke na različne vrste ljudi (slika 4.4), vendar je ta analiza heterogenosti je pravzaprav precej nenavadno za analogni starostno poskus z. Večina analognih starost poskusi vključujejo manjše število udeležencev, ki se obravnavajo kot zamenljivi "widgets", ker je malo o njih znano predobdelavo. V digitalnih poskusih, pa ti podatki omejitve so manj pogoste, saj raziskovalci imajo ponavadi več udeležencev in izvedeli več o njih. V tem drugačnem okolju podatkov lahko ocenimo, heterogenost učinkov zdravljenja, da bi zagotovili namige o tem, kako zdravljenje deluje, kako je mogoče izboljšati, in kako ga je mogoče usmeriti v tiste najbolj verjetno, da koristi.

Dva primera heterogenosti učinkov zdravljenja v okviru socialnih norm in rabe energije prihaja iz dodatne raziskave Home Energy poročil. Najprej Allcott (2011) uporablja veliko velikost vzorca (600.000 gospodinjstev), nadalje razdeli vzorec in oceniti učinek začetnega poročila energijo, ki jo decil porabo energije pred zdravljenjem. Medtem Schultz et al. (2007) je pokazala razlike med težkih in lahkih uporabnikov, Allcott (2011) je ugotovila, da so bile tudi razlike v težkih in lahkih skupine uporabnikov. Na primer, najtežje uporabniki (tisti v zgornji decil) zmanjšati svojo porabo energije dvakrat toliko, kot je nekdo sredi težkega uporabniške skupine (slika 4.7). Nadalje, oceno učinka, ki ga vedenje pred zdravljenjem tudi pokazala, da ni bilo bumerang učinek tudi za najlažjega uporabnike (slika 4.7).

Slika 4.7: Heterogenost učinkov zdravljenja v Allcott (2011). Zmanjšanje rabe energije je bilo drugače za ljudi v različnih decilov z začetno uporabo.

Slika 4.7: Heterogenost učinkov zdravljenja v Allcott (2011) . Zmanjšanje rabe energije je bilo drugače za ljudi v različnih decilov z začetno uporabo.

V sorodni raziskavi, Costa and Kahn (2013) razmišljal, da bi se razlikujejo učinkovitost začetnem poročilu o porabi energije, ki temelji na politični ideologiji udeleženca in da se zdravljenje lahko dejansko povzroči ljudje z določenimi ideologijami, da povečajo porabo električne energije. Z drugimi besedami, razmišljal, da bi se poročila Home Energy ustvarja bumerang učinek za nekatere vrste ljudi. Da bi ocenili to možnost, Costa in Kahn združil podatke Opower s podatki, kupljene pri zbiralnik tretje osebe, ki je vključevala podatke, kot so registracija političnih strank, donacije okoljskih organizacij ter sodelovanje v gospodinjstvu v programih obnovljivih virov energije. S tem združenega CCD, Costa in Kahn je pokazala, da so poročila notranje energije, proizvedene v veliki meri podobne učinke za udeležence z različnimi ideologijami; ni bilo dokazov, da je vsaka skupina razstavljene bumerang učinke (Slika 4.8).

Slika 4.8: Heterogenost učinkov zdravljenja v Costa in Kahn (2013). Ocenjeni povprečni učinek zdravljenja za celoten vzorec je -2,1% [-1,5% -2,7%]. S kombiniranjem informacij iz poskusa s podatki o gospodinjstvih, Costa in Kahn (2013) uporablja vrsto statističnih modelov za ocenjevanje učinka zdravljenja za zelo specifične skupine ljudi. Dve ocene so predstavljene za vsako skupino, saj so ocene odvisna od spremenljivk so zajeti v statističnih modelov (glej modela 4 in model 6 v tabeli 3 in tabeli 4 v Costa in Kahn (2013)). Ker ta primer ponazarja, lahko učinki, različni za različne ljudi in ocene učinkov zdravljenja, ki prihajajo iz statističnih modelov more biti odvisna od podrobnosti teh modelov (Grimmer, Messing in Westwood 2014).

Slika 4.8: Heterogenost učinkov zdravljenja v Costa and Kahn (2013) . Ocenjeni povprečni učinek zdravljenja za celoten vzorec je -2,1% [-1,5% -2,7%]. S kombiniranjem informacij iz poskusa s podatki o gospodinjstvih, Costa and Kahn (2013) uporablja vrsto statističnih modelov za ocenjevanje učinka zdravljenja za zelo specifične skupine ljudi. Dve ocene so predstavljene za vsako skupino, saj so ocene odvisna od spremenljivk so zajeti v statističnih modelov (glej modela 4 in model 6 v tabeli 3 in tabeli 4 v Costa and Kahn (2013) ). Ker ta primer ponazarja, lahko učinki, različni za različne ljudi in ocene učinkov zdravljenja, ki prihajajo iz statističnih modelov more biti odvisna od podrobnosti teh modelov (Grimmer, Messing, and Westwood 2014) .

Ker se ti dve primeri ponazarjajo, v digitalni dobi, lahko gremo z oceno povprečne učinke zdravljenja z ocenjevanjem heterogenost učinkov zdravljenja, saj lahko imamo veliko več udeležencev in vemo več o teh udeležencev. Spoznavanje raznolikosti učinkov zdravljenja lahko omogoči ciljanje na zdravljenju, kjer je najbolj učinkovit, zagotovijo dejstva, ki spodbujajo nove razvojne teorije, in zagotavlja namige o morebitni mehanizem, temo, na katero sem sedaj obrne.