4.4.2 heterogeenisyys hoidon vaikutusten

Kokeita yleensä mitata keskimääräinen vaikutus, mutta vaikutus voi olla erilainen eri ihmisille.

Toinen keskeinen idea ylittämässä yksinkertaisia ​​kokeita on heterogeenisyys hoidon vaikutuksia. Kokeilu on Schultz et al. (2007) voimakkaasti havainnollistaa sama kohtelu voi olla erilaisia ​​vaikutuksia erilaisten ihmisten (kuva 4.4), mutta tämä analyysi heterogeenisuus on itse asiassa varsin harvinaista analogisen ikä kokeilu. Useimmat analoginen ikä kokeissa mukana pieni määrä osallistujia, jotka käsitellään vaihdettavissa "widgetit", koska niistä paljoakaan tiedetään esikäsittelyä. Digitaalisessa kokeissa kuitenkin nämä tiedot rajoitukset ovat harvinaisempia, koska tutkijat ovat yleensä enemmän osallistujia ja tietää enemmän niitä. Tässä eri tietoja ympäristössä, voimme arvioida heterogeenisuus hoidon vaikutuksia, jotta voitaisiin antaa vihjeitä siitä, miten hoito toimii, miten sitä voidaan parantaa, ja miten se voidaan kohdentaa niille useimmiten todennäköisesti hyötyvät.

Kaksi esimerkkiä heterogeenisuus hoidon vaikutusten yhteydessä sosiaalisten normien ja energian käytön lähtöisin ylimääräistä tutkimusta Home Energy Reports. Ensinnäkin Allcott (2011) käyttivät suuren otoskoko (600000 kotitaloudet) edelleen jakaa näytteen ja arvioida vaikutus Home Energy raportti desiilin esikäsittelyn energiankulutus. Vaikka Schultz et al. (2007) löytyi eroja raskaan ja kevyen käyttäjille, Allcott (2011) havaitsi, että oli myös eroja raskaan ja kevyen käyttäjäryhmä. Esimerkiksi painavin käyttäjät (kello top desiiliin) vähensivät energiankäyttöä kaksi kertaa niin paljon kuin joku keskellä raskaan käyttäjäryhmä (Kuva 4.7). Edelleen, arvioimalla vaikutusta esikäsittelyssä käytös paljasti myös, että ei ollut bumerangivaikutus jopa kevyin käyttäjille (Kuva 4.7).

Kuva 4.7: heterogeenisyys hoidon vaikutuksia Allcott (2011). Lasku energian käyttö oli erilainen ihmisille eri desiileissä lähtötilanteen käyttö.

Kuva 4.7: heterogeenisyys hoidon vaikutuksia Allcott (2011) . Lasku energian käyttö oli erilainen ihmisille eri desiileissä lähtötilanteen käyttö.

Vuonna liittyvä tutkimus, Costa and Kahn (2013) arveltu, että tehokkuutta Home Energy Report voi vaihdella osallistujan poliittista ideologiaa ja että käsittely saattaisi aiheuttaa ihmisille tiettyjä ideologiat lisäämään sähkön käyttöä. Toisin sanoen, he spekuloivat, että Home Energy Raportit voidaan luoda bumerangivaikutus tietyntyyppisten ihmisiä. Arvioimaan tätä mahdollisuutta, Costa ja Kahn fuusioitiin Opower tietoja tietoja ostettu kolmannen osapuolen lukijaohjelma, joka sisältyy tietoja, kuten poliittisten puolueiden rekisteröintiä, lahjoituksia ympäristöjärjestöjen, ja kotitalouksien osallistumista uusiutuvien energialähteiden ohjelmiin. Tämän sulautunut aineisto, Costa ja Kahn totesi, että Home Energy raportit pitkälti samanlainen vaikutus osallistujille eri ideologioiden; ei ollut näyttöä siitä, että ryhmä esiintyi bumerangivaikutuksia (Kuva 4.8).

Kuva 4.8: heterogeenisyys hoidon vaikutuksia Costa ja Kahn (2013). Arvioitu keskimääräinen hoidon vaikutus koko otoksen on -2,1% [-1,5%, -2,7%]. Yhdistämällä tietoja kokeesta, jossa on tietoja kotitalouksista, Costa ja Kahn (2013) käytetään useita tilastollisia malleja arvioida hoidon vaikutuksen hyvin tietyille ihmisryhmille. Kaksi arvioista Kunkin ryhmän koska arviot riippuvat kovariaatit ne sisältyvät niiden tilastollisiin malleihin (katso malli 4 ja malli 6 taulukossa 3 ja taulukossa 4 Costa ja Kahn (2013)). Koska tämä esimerkki osoittaa, hoito vaikutukset voivat olla erilaisia ​​eri ihmisille ja arvioihin hoidon vaikutuksia, jotka tulevat tilastolliset mallit voivat riippua yksityiskohtia näiden mallien (Grimmer, Messing, ja Westwood 2014).

Kuva 4.8: heterogeenisyys hoidon vaikutuksia Costa and Kahn (2013) . Arvioitu keskimääräinen hoidon vaikutus koko otoksen on -2,1% [-1,5%, -2,7%]. Yhdistämällä tietoja kokeesta, jossa on tietoja kotitalouksista, Costa and Kahn (2013) käytetään useita tilastollisia malleja arvioida hoidon vaikutuksen hyvin tietyille ihmisryhmille. Kaksi arvioista Kunkin ryhmän koska arviot riippuvat kovariaatit ne sisältyvät niiden tilastollisiin malleihin (katso malli 4 ja malli 6 taulukossa 3 ja taulukossa 4 Costa and Kahn (2013) ). Koska tämä esimerkki osoittaa, hoito vaikutukset voivat olla erilaisia ​​eri ihmisille ja arvioihin hoidon vaikutuksia, jotka tulevat tilastolliset mallit voivat riippua yksityiskohtia näiden mallien (Grimmer, Messing, and Westwood 2014) .

Koska nämä kaksi esimerkkiä havainnollistavat, digitaaliaikana, voimme siirtyä arvioimalla keskimääräinen hoitoaika vaikutuksia arvioitaessa heterogeenisuus hoidon vaikutuksia, koska meillä voi olla paljon enemmän osallistujia ja tiedämme enemmän niille osallistujille. Tietoja heterogeenisyys hoidon vaikutukset voivat mahdollistaa kohdistuksen käsittelyllä, missä se on tehokkainta, säätää tosiasiat, jotka stimuloivat uutta teoriaa kehittämiseen, ja antaa vihjeitä mahdollisesta mekanismista, se aihe, jota nyt kääntyä.