4.4.2 उपचार प्रभाव की विविधता

प्रयोगों से सामान्य रूप से औसत प्रभाव को मापने, लेकिन प्रभाव अलग-अलग लोगों के लिए अलग-अलग हो सकता है।

सरल प्रयोगों से आगे बढ़ने के लिए दूसरा महत्वपूर्ण विचार उपचार के प्रभाव की विविधता है। का प्रयोग Schultz et al. (2007) शक्तिशाली दिखाता है कि कैसे एक ही इलाज लोग (चित्रा 4.4) के विभिन्न प्रकार पर अलग अलग प्रभाव हो सकता है, लेकिन विविधता के इस विश्लेषण एक एनालॉग उम्र प्रयोग के लिए वास्तव में काफी असामान्य है। सबसे अनुरूप उम्र प्रयोगों है कि विनिमेय "विजेट" के रूप में इलाज कर रहे हैं क्योंकि उनके बारे में थोड़ा पूर्व उपचार के लिए जाना जाता है प्रतिभागियों की एक छोटी संख्या शामिल है। डिजिटल प्रयोगों में, हालांकि, इन आंकड़ों की कमी कम आम क्योंकि शोधकर्ताओं अधिक प्रतिभागियों है और उनके बारे में अधिक पता करने के लिए करते हैं। यह अलग डेटा माहौल में, हम आदेश कैसे उपचार काम करता है, यह कैसे सुधार किया जा सकता है, और कैसे यह ज्यादातर लाभ होने की संभावना उन लोगों के लिए लक्षित किया जा सकता है के बारे में सुराग प्रदान करने के लिए उपचार के प्रभाव की विविधता अनुमान कर सकते हैं।

सामाजिक मानदंडों और ऊर्जा के उपयोग के संदर्भ में उपचार के प्रभाव की विविधता के दो उदाहरण होम ऊर्जा रिपोर्ट पर अतिरिक्त अनुसंधान से आते हैं। सबसे पहले, Allcott (2011) बड़ा नमूना आकार (600000 परिवारों) का इस्तेमाल किया और आगे नमूना विभाजित है और पूर्व उपचार ऊर्जा के उपयोग के दशमक द्वारा होम ऊर्जा की रिपोर्ट के प्रभाव का आकलन करने के लिए। जबकि Schultz et al. (2007) पाया भारी और हल्के उपयोगकर्ताओं के बीच मतभेद, Allcott (2011) में पाया गया कि वहां भी भारी और हल्के उपयोगकर्ता समूह के भीतर मतभेद थे। उदाहरण के लिए, सबसे भारी उपयोगकर्ताओं (शीर्ष दशमक में उन) भारी उपयोगकर्ता समूह (चित्रा 4.7) के बीच में किसी के रूप में दो बार के रूप में ज्यादा उनकी ऊर्जा के उपयोग को कम किया। इसके अलावा, पूर्व उपचार के व्यवहार से प्रभाव का आकलन भी पता चला है कि वहाँ भी सबसे हल्का उपयोगकर्ताओं (चित्रा 4.7) के लिए एक बुमेरांग प्रभाव नहीं था।

चित्रा 4.7: Allcott (2011) में उपचार के प्रभाव की विविधता। ऊर्जा के इस्तेमाल में कमी आधारभूत उपयोग के विभिन्न deciles में लोगों के लिए अलग था।

चित्रा 4.7: में उपचार के प्रभाव की विविधता Allcott (2011) । ऊर्जा के इस्तेमाल में कमी आधारभूत उपयोग के विभिन्न deciles में लोगों के लिए अलग था।

एक संबंधित अध्ययन में, Costa and Kahn (2013) है कि होम ऊर्जा की रिपोर्ट के प्रभाव का एक भागीदार की राजनीतिक विचारधारा पर और है कि इलाज के लिए वास्तव में कुछ विचारधाराओं के साथ लोगों को अपने बिजली का उपयोग बढ़ाने के लिए कारण हो सकता है आधारित भिन्न हो सकता है अनुमान लगाया। दूसरे शब्दों में, वे अनुमान लगाया है कि होम ऊर्जा रिपोर्टें लोगों में से कुछ प्रकार के लिए एक बुमेरांग प्रभाव पैदा किया जा सकता है। इस संभावना का आकलन करने के लिए, कोस्टा और क्हान एक तीसरे दल एग्रीगेटर कि ऐसे राजनीतिक दल पंजीकरण, पर्यावरण संगठनों को दान, और नवीकरणीय ऊर्जा कार्यक्रमों में घरेलू भागीदारी के रूप में जानकारी शामिल से खरीदा डेटा के साथ Opower डेटा विलय कर दिया। इस विलय डाटासेट के साथ, कोस्टा और क्हान ने पाया कि घर ऊर्जा रिपोर्ट का उत्पादन विभिन्न विचारधाराओं के साथ प्रतिभागियों के लिए मोटे तौर पर इसी तरह के प्रभाव; कोई सबूत नहीं है कि किसी भी समूह बुमेरांग प्रभाव (चित्रा 4.8) का प्रदर्शन किया गया था।

चित्रा 4.8: कोस्टा और क्हान (2013) में उपचार के प्रभाव की विविधता। पूरे नमूना के लिए अनुमानित औसत उपचार प्रभाव -2.1% [-1.5%, -2.7%] है। घरों के बारे में जानकारी के साथ प्रयोग से जानकारी के संयोजन से, कोस्टा और क्हान (2013) से लोगों को बहुत विशिष्ट समूहों के लिए उपचार के प्रभाव का आकलन करने के लिए सांख्यिकीय मॉडल की एक श्रृंखला का इस्तेमाल किया। क्योंकि अनुमान covariates वे अपने सांख्यिकीय मॉडल में शामिल पर निर्भर दो अनुमानों के प्रत्येक समूह के लिए प्रस्तुत कर रहे हैं (4 और मॉडल 6 3 टेबल और टेबल 4 में मॉडल कोस्टा और क्हान (2013) में देखें)। (Grimmer, खिलवाड़, और वेस्टवुड 2014) इस उदाहरण दिखाता है, उपचार प्रभाव अलग अलग लोगों और उपचार के प्रभाव का अनुमान है कि सांख्यिकीय मॉडल से आते हैं उन मॉडलों के विवरण पर निर्भर कर सकते हैं के लिए अलग-अलग हो सकता है।

चित्रा 4.8: में उपचार के प्रभाव की विविधता Costa and Kahn (2013) । पूरे नमूना के लिए अनुमानित औसत उपचार प्रभाव -2.1% [-1.5%, -2.7%] है। घरों के बारे में जानकारी के साथ प्रयोग से जानकारी के संयोजन से, Costa and Kahn (2013) से लोगों को बहुत विशिष्ट समूहों के लिए उपचार के प्रभाव का आकलन करने के लिए सांख्यिकीय मॉडल की एक श्रृंखला का इस्तेमाल किया। क्योंकि अनुमान covariates वे अपने सांख्यिकीय मॉडल में शामिल पर निर्भर दो अनुमानों के प्रत्येक समूह के लिए प्रस्तुत कर रहे हैं (4 और मॉडल 6 3 टेबल और तालिका 4 में मॉडल में देखना Costa and Kahn (2013) )। इस उदाहरण के रूप में दिखाता है, उपचार प्रभाव अलग अलग लोगों और उपचार के प्रभाव का अनुमान है कि सांख्यिकीय मॉडल से आते हैं उन मॉडलों के विवरण पर निर्भर कर सकते हैं के लिए अलग हो सकता है (Grimmer, Messing, and Westwood 2014)

इन दो उदाहरणों वर्णन, डिजिटल युग में, हम उपचार के प्रभाव की विविधता का आकलन हम बहुत से अधिक प्रतिभागियों हो सकता है और हम उन प्रतिभागियों के बारे में अधिक जानते हैं क्योंकि लिए औसत उपचार के प्रभाव का आकलन करने से स्थानांतरित कर सकते हैं। उपचार के प्रभाव की विविधता के बारे में सीखने के लिए एक इलाज के लिए जहां यह सबसे प्रभावी है के लक्षित कर सक्षम कर सकते हैं, तथ्य है कि नए सिद्धांत के विकास को प्रोत्साहित प्रदान करते हैं, और एक संभव तंत्र, विषय मैं अब जो चालू करने के बारे में संकेत प्रदान करते हैं।