4.4.2 heterogenecon de traktado efikoj

Eksperimentoj kutime mezuras la mezuran efikon, sed la efiko verŝajne ne estas egala por ĉiuj.

La dua ŝlosila ideo por movi preter simplaj eksperimentoj estas heterogeneco de traktado-efikoj . La eksperimento de Schultz et al. (2007) potence ilustras kiel la sama traktado povas havi malsaman efikon sur malsamaj specoj de homoj (figuro 4.4). En plej multaj analogaj eksperimentoj, tamen, esploristoj enfokusigis mezajn efikajn traktadojn ĉar estis malgranda nombro da partoprenantoj kaj malmulte sciis pri ili. En ciferecaj eksperimentoj, tamen, ofte multaj pli partoprenantoj estas pli konataj pri ili. En ĉi tiu malsama datum-medio, esploristoj, kiuj daŭre taksas nur mezumajn traktadajn efikojn, perdos la manierojn, en kiuj taksoj pri la heterogeneco de la efikaj traktadoj povas provizi aŭtoveturejojn pri kiel traktado funkcias, kiel ĝi povas esti plibonigita kaj kiel ĝi povas esti celita al tiuj plej verŝajne profiti.

Du ekzemploj de heterogeneco de kuracaj efikoj venas de pliaj esploroj sur la Hejma Energio-Raportoj. Unue, Allcott (2011) uzis la grandan specimenon (600,000 hejmojn) por pliigi la specimenon kaj taksi la efikon de la Hejma Energia Raporto per decilo de antaŭaŭra energia uzado. Dum Schultz et al. (2007) trovis diferencojn inter pezaj kaj malpezaj uzantoj, Allcott (2011) trovis, ke ankaŭ ekzistas diferencoj ene de la peza kaj luma uzanto. Ekzemple, la plej pezaj uzantoj (tiuj en la maksimuma decilo) reduktis sian energian uzadon dufoje pli ol iu en la mezo de la peza uzanto-grupo (figuro 4.8). Plie, taksante la efikon de antaŭ-traktado-konduto ankaŭ malkaŝis, ke ne efektive boomerang efiko, eĉ por la plej malpezaj uzantoj (figuro 4.8).

Figuro 4.8: Heterogeneidad de traktado efikoj en Allcott (2011). La malpliigo de energia uzo estis malsama por homoj en malsamaj deciloj de baza uzado. Adaptita de Allcott (2011), figuro 8.

Figuro 4.8: Heterogeneidad de traktado efikoj en Allcott (2011) . La malpliigo de energia uzo estis malsama por homoj en malsamaj deciloj de baza uzado. Adaptita de Allcott (2011) , figuro 8.

En rilata studo, Costa and Kahn (2013) spekulis, ke la efikeco de la Hejma Energia Raporto povus varii surbaze de politika ideologio de partoprenanto kaj ke la traktado povus fakte kaŭzi homojn kun certaj ideologioj pliigi sian elektran uzon. Alivorte, ili spekulis, ke la Hejma Energio-Raportoj povus krei efikon por iuj specoj de homoj. Por taksi ĉi tiun eblon, Costa kaj Kahn kunfandis la Opower-datumojn kun datumoj aĉetitaj de triaj agregantoj, kiuj inkludis informojn kiel politika partio-registrado, donacoj al ekologiaj organizaĵoj, kaj familian partoprenon en renovigeblaj energiaj programoj. Kun ĉi tiu kunfandita datumeto, Costa kaj Kahn trovis, ke la Hejma Energio-Informoj produktis vaste similajn efikojn por partoprenantoj kun malsamaj ideologioj; ne estis evidenteco, ke iu grupo elmontris efektojn de boomerangoj (figuro 4.9).

Figuro 4.9: Heterogeneco de kuracaj efikoj en Costa kaj Kahn (2013). La estimita averaĝa traktado efiko por la tuta specimeno estas -2.1% [-1.5%, -2.7%]. Post kombini informon de la eksperimento kun informoj pri la domoj, Costa kaj Kahn (2013) uzis serion de statistikaj modeloj por taksi la efikan traktadon por tre specifaj grupoj de homoj. Du korinklinoj estas prezentitaj por ĉiu grupo ĉar la taksoj dependas de la kovaroj kiujn ili inkludis en iliaj statistikaj modeloj (vidu modelojn 4 kaj 6 en tabeloj 3 kaj 4 en Costa kaj Kahn (2013)). Kiel ĉi tiu ekzemplo ilustras, traktado efikoj povas esti malsamaj por malsamaj homoj kaj taksoj de traktado efikoj, kiuj venas de statistikaj modeloj povas dependi de la detaloj de tiuj modeloj (Grimmer, Messing, kaj Westwood 2014). Adaptita de Costa kaj Kahn (2013), tabloj 3 kaj 4.

Figuro 4.9: Heterogeneco de kuracaj efikoj en Costa and Kahn (2013) . La estimita averaĝa traktado efiko por la tuta specimeno estas -2.1% [-1.5%, -2.7%]. Post kombini informon de la eksperimento kun informoj pri la domoj, Costa and Kahn (2013) uzis serion de statistikaj modeloj por taksi la efikan traktadon por tre specifaj grupoj de homoj. Du korinklinoj estas prezentitaj por ĉiu grupo ĉar la taksoj dependas de la kovaroj kiujn ili inkludis en iliaj statistikaj modeloj (vidu modelojn 4 kaj 6 en tabeloj 3 kaj 4 en Costa and Kahn (2013) ). Kiel ĉi tiu ekzemplo ilustras, traktado efikoj povas esti malsamaj por malsamaj homoj kaj taksoj de traktado efikoj, kiuj venas de statistikaj modeloj povas dependi de la detaloj de tiuj modeloj (Grimmer, Messing, and Westwood 2014) . Adaptita de Costa and Kahn (2013) , tabloj 3 kaj 4.

Ĉar ĉi tiuj du ekzemploj ilustras, en la cifereca aĝo, ni povas movi de estimado de duonaj traktaj efikoj por taksado de la heterogeneco de traktaj efikoj ĉar ni povas havi multajn pli da partoprenantoj kaj ni scias pli pri tiuj partoprenantoj. Lerni pri heterogeneco de traktaj efikoj povas ebligi celon pri traktado, kie ĝi estas plej efika, provizu faktojn, kiuj stimulas novan teorion-disvolviĝon kaj provizas aludojn pri eblaj mekanismoj, la temon, kiun mi nun turnas.