4.4.2 ebaühtlus ravi mõju

Katsed tavaliselt mõõta keskmist mõju, kuid mõju võib olla erinev erinevate inimestega.

Teine oluline idee liigub kaugemale lihtsast eksperimendid on heterogeensus ravi mõju. Eksperimendi Schultz et al. (2007) võimsalt näitab, kuidas sama ravi võib olla erinev mõju erinevatele inimestele (joonis 4.4), kuid see analüüs heterogeensus on tegelikult üsna ebatavaline analoog vanuses eksperiment. Enamik analoog vanuses eksperimendid kaasata väikese osalejate arvu, mida käsitletakse kui asendatavad "vidinad", sest vähe neid tuntakse eeltöötluse. Digitaalsel eksperimendid, aga need andmed piiranguid on vähem levinud, sest teadlased kipuvad olema rohkem osalejaid ja nende kohta rohkem teada. Selles erinevaid andmeid keskkonda, saame hinnata heterogeensus ravi mõju, et anda vihjeid selle kohta, kuidas ravi toimib, kuidas seda parandada, ja kuidas see võib olla suunatud neile enamasti tõenäoliselt kasu.

Kaks näidet heterogeensus ravi mõjusid seoses sotsiaalsete normide ja energiakasutuse pärit täiendavaid uuringuid Home Energy aruanded. Esiteks Allcott (2011) kasutas suure valimi suurus (600,000 leibkondadest) jaganud proovi ja hinnata mõju Home Energy aruanne decile eeltöötluse energiakasutus. Kuigi Schultz et al. (2007) leidis erinevusi raske ja kerge kasutajad, Allcott (2011) leidis, et seal oli ka erinevusi raske ja kerge grupid. Näiteks raskeima kasutajad (need top decile) vähendas nende energiakulu kaks korda nii palju kui keegi keset raske grupid (joonis 4.7). Lisaks avalduva mõju hindamise eeltöötlemisel käitumine näitas ka, et seal ei olnud bumerangiefektina isegi kergema kasutajad (joonis 4.7).

Joonis 4.7: ebaühtlus ravitoime Allcott (2011). Langus energiakulu oli erinev inimesed erinevates vajajateks algtaseme kasutamine.

Joonis 4.7: ebaühtlus ravitoime Allcott (2011) . Langus energiakulu oli erinev inimesed erinevates vajajateks algtaseme kasutamine.

Sarnases uuringus Costa and Kahn (2013) spekuleerinud, et tõhususe Home Energy aruanne võiks olla sõltuv osaleja poliitiline ideoloogia ning et ravi võib tegelikult põhjustada inimeste teatud ideoloogiate suurendada elektri kasutamist. Teisisõnu, nad spekuleeritud, et Home Energy Reports võidakse luua bumerangiefektina mõnda tüüpi inimesi. Et hinnata seda võimalust, Costa ja Kahn ühendas Opower andmeid võimalik osta kolmanda osapoole lugeja, mis sisaldas teavet, näiteks erakonna registreerimiseks, annetused keskkond organisatsioonide ja kodumasinate osalemine taastuvenergia programme. Selle ühinenud andmekogumi Costa ja Kahn leiti, et Home Energy aruandeid üldjoontes sarnane mõju osalejate erinevate ideoloogiate; puudusid tõendid, et iga rühm eksponeeritud bumerang mõju (joonis 4.8).

Joonis 4.8: ebaühtlus ravitoime Costa ja Kahn (2013). Hinnanguliselt keskmise raviefekti kogu proov on -2.1% [-1,5%, -2.7%]. Kombineerides teavet eksperiment teavet kodumajapidamiste, Costa ja Kahn (2013), mida kasutatakse seeria statistilisi mudeleid, et hinnata raviefekti väga spetsiifiliste inimeste rühm. Kaks hinnangud esitatakse iga rühma, sest hinnangud olenevad ühismuutujaga nad kuuluvad nende statistiliste mudelite (vt Mudel 4 ja mudel 6 tabelites 3 ja 4 Costa ja Kahn (2013)). Kuna see näide illustreerib, ravi mõju võib olla erinev erinevate inimeste ja hinnanguid ravi mõju, mis on pärit statistiliste mudelite võib sõltuda üksikasjad need mudelid (grimmer, Messing, ja Westwood 2014).

Joonis 4.8: ebaühtlus ravitoime Costa and Kahn (2013) . Hinnanguliselt keskmise raviefekti kogu proov on -2.1% [-1,5%, -2.7%]. Kombineerides teavet eksperiment teavet kodumajapidamiste, Costa and Kahn (2013) , mida kasutatakse seeria statistilisi mudeleid, et hinnata raviefekti väga spetsiifiliste inimeste rühm. Kaks hinnangud esitatakse iga rühma, sest hinnangud olenevad ühismuutujaga nad kuuluvad nende statistiliste mudelite (vt Mudel 4 ja mudel 6 tabelites 3 ​​ja 4 Costa and Kahn (2013) ). Kuna see näide illustreerib, ravi mõju võib olla erinev erinevate inimeste ja hinnanguid ravi mõju, mis on pärit statistiliste mudelite võib sõltuda üksikasjad need mudelid (Grimmer, Messing, and Westwood 2014) .

Kuna need kaks näidet illustreerivad, digitaalajastul, me saame liikuda hindamiseks keskmine ravi mõju hindamiseks heterogeensus ravi mõju, sest meil on palju rohkem osalejaid ja me rohkem teada osalejatele. Õppida heterogeensus ravi mõju võib aidata suunamine ravile, kus see on kõige tõhusam, esitada fakte, mis stimuleerivad uus teooria arengut ja anda vihjeid võimaliku mehhanismi, on teema, mida ma nüüd pöörduda.