4.4.2 Heterogeneity fan behanneling effekten

Eksperiminten mjitten normaal de gemiddelde effekt, mar it effekt is wierskynlik net itselde foar elkenien.

It twadde kaaiidee foar it fuortsterkjen fan ienfâldige eksperiminten is heterogeneiteit fan behannele effekten . It eksperimint fan Schultz et al. (2007) ympressibel hoe't deselde behanneling in oare effekt hawwe kin op ferskillende soarten minsken (figuer 4.4). Yn 'e measte analogen eksperiminten rjochte ûndersikers op mediïnteare effekten omdat der in lyts tal dielnimmers wiene en in lyts bekind wie oer har. Yn digitale eksperiminten binne lykwols faak in protte mear dielnimmers en mear is bekend oer har. Yn dit ferskate datum omjouwende ûndersikers dy't trochgean wurde allinich de gemiddelde behannelingseffekten skele, sil miskien de wize wêrop't skatten oer de heterogeneiteit fan behannelingseffekten kinne liede oer hoe't in behanneling wurket, hoe't it ferbettere wurde kin en hoe't it kin wurde rjochte nei dy wierskynlik profitearje.

Twa foarbylden fan heterogeneiteit fan behannelingseffekten komme fan fierdere ûndersiken oer de Home Energy Reports. Earst Allcott (2011) de grutte problemengrutte (600.000 húshâldingen) om de probleem fierder te splitsjen en de effekt fan 'e Home Energy Report te fertsjinjen troch tebek fan' e foarbehearske enerzjyferbrûk. Hoewol Schultz et al. (2007) fûnen ferskillen tusken swiere en ljochte brûkers, Allcott (2011) fûnen dat der ek ferskillen yn 'e loft- en ljocht-groepsgrutte wienen. Bygelyks, de swierste brûkers (dy't yn 'e boppekryp) fertsjinje har enerzjynebeleging twaris sa folle as ien yn' e midden fan 'e swiere brûkersgroep (figuer 4.8). Fierder beskôge it effekt troch pre-behanneling geduld ek út dat der gjin boomerang-effekt wie, sels foar de ljochste brûkers (figuer 4.8).

Figure 4.8: Heterogeniteit fan behannele effekten yn Allcott (2011). It ferminderjen fan enerzjyfoarsjenning wie oars foar minsken yn ferskate dekels fan baseline gebrûk. Oanpast út Allcott (2011), figuer 8.

Figure 4.8: Heterogeniteit fan behannele effekten yn Allcott (2011) . It ferminderjen fan enerzjyfoarsjenning wie oars foar minsken yn ferskate dekels fan baseline gebrûk. Oanpast út Allcott (2011) , figuer 8.

Yn in relatearre stúdzje, Costa and Kahn (2013) spekulearre dat de effektiviteit fan it Home Energy Report kin ôfwike op basis fan in politike ideologyske dielname en dat de behanneling faaks de minsken mei bepaalde ideologyen feroarsake om har elektrisiteitsgebou te ferheegjen. Mei oare wurden, se spekulearre dat de Home Energy Reports in boomerang-effekt wêze kinne foar guon soarten minsken. Om dizze mooglikheid te beoardieljen, fûn Costa en Kahn de opmaak fan Opower mei fekânsje kocht fan in aggregator fan tredden dy't ynformaasje hawwe lykas politike partijregistyk, donaasjes foar miljeuorganisaasjes en húshâldingpartisipaasje yn duorsume enerzjyprogramma's. Mei dizze fúzje dataset, fûnen Costa en Kahn dat de Home Energy Reports in soad identike effekten foar dielnimmers mei ferskillende ideologen produsearre; Der wie gjin bewiis dat elke groep boomerang-effekten eksposearre (figuer 4.9).

Figure 4.9: Heterogeniteit fan behannelingseffekten yn 'e Costa en Kahn (2013). De bedoelde gemiddelde behannelingseffekt foar de folsleine probleem is -2,1% [-1,5%, -2,7%]. Nei kombinaasje fan ynformaasje út it eksperimint mei ynformaasje oer de húshâldens, brûkt Costa en Kahn (2013) in rige statistyske modellen om de behannelingseffekt foar tige spesifike groepen minsken te beskriuwen. Twa skatten wurde foar elke groep presintearre om't de skatten hingje fan de kovariaten dy't se yn har statistyske modellen opnommen hawwe (sjoch modellen 4 en 6 yn tabellen 3 en 4 yn Costa en Kahn (2013)). As dit foarbyld illustratearret, kinne behannelingseffekten ferskille foar ferskate minsken en skatten fan behannelingseffekten dy't komme út statistyske modellen kinne ôfhinklik fan de details fan dy modellen (Grimmer, Messing, en Westwood 2014). Oanpast út Costa en Kahn (2013), tafels 3 en 4.

Figure 4.9: Heterogeniteit fan behannelingseffekten yn 'e Costa and Kahn (2013) . De bedoelde gemiddelde behannelingseffekt foar de folsleine probleem is -2,1% [-1,5%, -2,7%]. Nei kombinaasje fan ynformaasje út it eksperimint mei ynformaasje oer de húshâldens, brûkt Costa and Kahn (2013) in rige statistyske modellen om de behannelingseffekt foar tige spesifike groepen minsken te beskriuwen. Twa skatten wurde foar elke groep presintearre om't de skatten hingje fan de kovariaten dy't se yn har statistyske modellen opnommen hawwe (sjoch modellen 4 en 6 yn tabellen 3 en 4 yn Costa and Kahn (2013) ). As dit foarbyld illustratearret, kinne behannelingseffekten ferskille foar ferskate minsken en skatten fan behannelingseffekten dy't komme út statistyske modellen kinne ôfhinklik fan de details fan dy modellen (Grimmer, Messing, and Westwood 2014) . Oanpast út Costa and Kahn (2013) , tafels 3 en 4.

As dizze twa foarbylden yllustrearje, kinne wy ​​yn 'e digitale leeftyd fanwege gemiddelde behannelingseffekten nei it skatteljen fan de heterogeneiteit fan behannele effekten omfiere, om't wy in soad mear dielnimmers hawwe en wy mear witte oer dy dielnimmers. Learje oer heterogeneiteit fan behannelingseffekten kin it doelstelling fan in behanneling wêze wêr't it it effektyf is, jouwe feiten dy't nije toanielûntwikkeling stimulearje, en jouwe hintsjes oer mooglike meganismen, it ûnderwerp dêr't ik no no turnt.