4.4.2 Heterogeniteit van behandeling effekte

Eksperimente gewoonlik meet die gemiddelde effek, maar die effek kan verskillend weer vir verskillende mense.

Die tweede belangrike idee vir die verskuiwing van buite eenvoudige eksperimente is heterogeniteit van behandeling effekte. Die eksperiment van Schultz et al. (2007) kragtig illustreer hoe dieselfde behandeling verskillende effekte op verskillende soorte mense (Figuur 4.4) kan hê, maar dit ontleding van heterogeniteit is eintlik baie ongewoon vir 'n analoog ouderdom eksperiment. Die meeste analoog ouderdom eksperimente behels 'n klein aantal deelnemers wat as verwissel "widgets" behandel omdat min van hulle is bekend vir behandeling. In digitale eksperimente egter hierdie data beperkings is minder algemeen as gevolg navorsers is geneig om meer deelnemers en meer oor hulle te leer ken. In hierdie verskillende data-omgewing, kan ons heterogeniteit van behandeling effekte skat om leidrade oor hoe die behandeling werk, hoe dit verbeter kan word, en hoe dit kan geteiken word vir diegene meestal geneig om voordeel te trek voorsien.

Twee voorbeelde van heterogeniteit van behandeling effekte in die konteks van sosiale norme en gebruik energie vandaan addisionele navorsing oor die Huis Energie Verslae. In die eerste plek Allcott (2011) gebruik die groot steekproefgrootte (600000 huishoudings) om die monster verder verdeel en skat die effek van die Huis Energie Verslag deur desiel van pre-behandeling energie gebruik. Terwyl Schultz et al. (2007) het bevind verskille tussen swaar en ligte gebruikers, Allcott (2011) het bevind dat daar ook verskille binne die swaar en ligte gebruikersgroep. Byvoorbeeld, die swaarste gebruikers (wat in die top desiel) verminder hul energie gebruik twee keer soveel as iemand in die middel van die swaar gebruikersgroep (Figuur 4.7). Verdere, die skatte van die effek van pre-behandeling gedrag ook aan die lig gebring dat daar nie 'n boemerang-effek, selfs vir die ligste gebruikers (Figuur 4.7).

Figuur 4.7: Heterogeniteit van behandeling effekte in Allcott (2011). Die afname in energie gebruik was anders vir mense in verskillende desiele van basislyn gebruik.

Figuur 4.7: Heterogeniteit van behandeling effekte in Allcott (2011) . Die afname in energie gebruik was anders vir mense in verskillende desiele van basislyn gebruik.

In 'n verwante studie, Costa and Kahn (2013) bespiegel dat die doeltreffendheid van die Huis Energie Verslag kon wissel op grond van politieke ideologie 'n deelnemer se en dat die behandeling kan eintlik veroorsaak dat mense met sekere ideologieë om hul elektrisiteit gebruik te verhoog. Met ander woorde, bespiegel wat die Huis Energie Verslae kan skep van 'n boemerang-effek vir 'n paar soorte mense. Om hierdie moontlikheid te evalueer, Costa en Kahn saamgesmelt die Opower data met die data gekoop van 'n derde party aggregator wat inligting ingesluit soos politieke party registrasie, skenkings aan omgewing organisasies, en deelname huishouding in hernubare energie programme. Met hierdie saamgesmelte dataset, Costa en Kahn het bevind dat die Huis Energie Verslae eenderse gevolge vir deelnemers met verskillende ideologieë geproduseer; daar is geen bewyse dat enige groep uitgestal boemerang effek (Figuur 4.8).

Figuur 4.8: Heterogeniteit van behandeling effekte in Costa en Kahn (2013). Die geraamde gemiddelde behandeling effek vir die hele monster is -2,1% [-1,5%, -2,7%]. Deur die kombinasie van inligting van die eksperiment met inligting oor die huishoudings, Costa en Kahn (2013) gebruik om 'n reeks van statistiese modelle om die effek van behandeling skat vir baie spesifieke groepe mense. Twee skattings word vir elke groep, omdat die ramings is afhanklik van die covariates hulle in hul statistiese modelle (sien model 4 en model 6 in Tabel 3 en Tabel 4 in Costa en Kahn (2013)). Aangesien hierdie voorbeeld illustreer, kan behandeling effekte verskillend weer vir verskillende mense en skattings van behandeling effekte wat kom uit statistiese modelle kan afhang van die besonderhede van dié modelle (GRIMMER, Messing, en Westwood 2014).

Figuur 4.8: Heterogeniteit van behandeling effekte in Costa and Kahn (2013) . Die geraamde gemiddelde behandeling effek vir die hele monster is -2,1% [-1,5%, -2,7%]. Deur die kombinasie van inligting van die eksperiment met inligting oor die huishoudings, Costa and Kahn (2013) gebruik om 'n reeks van statistiese modelle om die effek van behandeling skat vir baie spesifieke groepe mense. Twee skattings word vir elke groep, omdat die ramings is afhanklik van die covariates hulle in hul statistiese modelle (sien model 4 en model 6 in Tabel 3 en Tabel 4 in Costa and Kahn (2013) ). Aangesien hierdie voorbeeld illustreer, kan behandeling effekte verskillend weer vir verskillende mense en skattings van behandeling effekte wat kom uit statistiese modelle kan afhang van die besonderhede van dié modelle (Grimmer, Messing, and Westwood 2014) .

As hierdie twee voorbeelde te illustreer, in die digitale era, kan ons van die beraming van die gemiddelde behandeling effekte om te skat die heterogeniteit van die behandeling effekte omdat ons baie meer deelnemers kan hê en ons meer oor die deelnemers weet. Leer oor heterogeniteit van behandeling effekte kan in staat stel om die fokus van 'n behandeling waar dit is die mees doeltreffende, gee feite wat nuwe teorie ontwikkeling te stimuleer, en bied wenke oor 'n moontlike meganisme, die onderwerp waaraan ek nou draai.