4.4.2 хетерогенността на лечебни ефекти

Експерименти обикновено измерване на средния ефект, но ефектът може да бъде различен за различните хора.

Вторият ключов идеята за преместване извън прости експерименти е хетерогенност на ефекти от лечението. Експериментът на Schultz et al. (2007) силно илюстрира как същото лечение може да има различни ефекти върху различни видове хора (Фигура 4.4), но този анализ на хетерогенност всъщност е доста необичайно за аналогов възраст експеримент. Повечето аналогови възрастови експерименти включват малък брой участници, които се третират като взаимозаменяеми "джаджи", защото малко за тях се знае предварително третиране. В дигитални експерименти, обаче, тези ограничения данни са по-рядко срещани, тъй като изследователите са склонни да имат повече участници и знам повече за тях. В тази различна среда данни, можем да прогнозираме хетерогенност на ефекти от лечението, за да се осигури улики за това как работи лечение, как може да се подобри, и как тя може да бъде насочена към тези, които най-вероятно да се възползват.

Два примера на хетерогенност на ефекти от лечението, в контекста на социалните норми и използването на енергия идват от допълнителни изследвания относно енергийните доклади Начало. Първо, Allcott (2011) използва голям размер на извадката (600,000 домакинства) за по-нататъшно разделяне на пробата и се оцени ефектът на енергетиката доклад за дома от Деций от разхода на енергия на предварителната обработка. Докато Schultz et al. (2007) намери разлики между тежки и леки потребители, Allcott (2011) са установили, че има и различия в рамките на тежката и леката група потребители. Например, най-тежките потребителите (тези в горния децил) намалили потреблението на енергия два пъти, колкото някой в ​​средата на тежка потребителска група (Фигура 4.7). Освен това, оценка на ефекта от поведението на предварително третиране също така разкри, че не е имало ефект на бумеранга, дори и за най-леките потребителите (Фигура 4.7).

Фигура 4.7: хетерогенността на лечебни ефекти в Allcott (2011). Намаляването на потреблението на енергия е различен за хора в различни децили на изходното ниво на ползване.

Фигура 4.7: хетерогенността на лечебни ефекти в Allcott (2011) . Намаляването на потреблението на енергия е различен за хора в различни децили на изходното ниво на ползване.

В свързано проучване, Costa and Kahn (2013) спекулират, че ефективността на енергетиката доклад на Home може да варира в зависимост от политическата идеология на участник и че лечението всъщност може да причини на хората с определени идеологии, за да се увеличи тяхната употреба електричество. С други думи, те спекулират, че енергийни доклади на домакините може да се създават ефект на бумеранга за някои типове хора. За да се оцени тази възможност, Коста и Кан се слива данните Opower с данни, закупени от агрегатор на трета страна, който включва информация като регистрация на политическите партии, дарения на организации на околната среда, както и участие на домакинствата в програми за възобновяема енергия. С този обединен набор от данни, Коста и Kahn установи, че енергийни доклади на вътрешните произведени сходни ефекти за участници с различни идеологии; няма доказателства, че всяка група е изложил бумеранг ефект (Фигура 4.8).

Фигура 4.8: хетерогенността на лечебни ефекти в Коста и Кан (2013 г.). прогнозните средни Ефектът от лечението за цялата извадка е -2.1% [-1,5% -2,7%]. Чрез комбиниране на информация от експеримента с информация за домакинствата, Коста и Кан (2013) използва серия от статистически модели за оценка на ефекта от лечението на много специфични групи от хора. Две оценки се представят за всяка група, защото оценките зависят от ковариати те са включени в техните статистически модели (виж модел 4 и модел 6 в таблица 3 и таблица 4 в Коста и Кан (2013)). Тъй като този пример показва, лечебни ефекти могат да бъдат различни за различните хора и оценки на лечебни ефекти, които идват от статистически модели може да зависи от детайлите на тези модели (по-мрачно, Месинг, и Westwood 2014 г.).

Фигура 4.8: хетерогенността на лечебни ефекти в Costa and Kahn (2013) . прогнозните средни Ефектът от лечението за цялата извадка е -2.1% [-1,5% -2,7%]. Чрез комбиниране на информация от експеримента с информация за домакинствата, Costa and Kahn (2013) използва серия от статистически модели за оценка на ефекта от лечението на много специфични групи от хора. Две оценки се представят за всяка група, защото оценките зависят от ковариати те са включени в техните статистически модели (виж модел 4 и модел 6 в таблица 3 и таблица 4 в Costa and Kahn (2013) ). Тъй като този пример показва, лечебни ефекти могат да бъдат различни за различните хора и оценки на лечебни ефекти, които идват от статистически модели може да зависи от детайлите на тези модели (Grimmer, Messing, and Westwood 2014) .

Тъй като тези два примера показват, в ерата на цифровите технологии, ние можем да преминат от оценка на средните ефекти от лечението, за да се прогнозира хетерогенността на ефекти от лечението, защото ние можем да имаме много повече участници и ние знаем повече за тези участници. Обучение за хетерогенност на ефекти от лечението може да се даде възможност за насочване на лечение, където тя е най-ефективна, предостави факти, които стимулират ново строителство теория, и да предоставя съвети за възможен механизъм, по темата, към която аз сега да се върна.