4.4.2 Heterogenitas efek pengobatan

Percobaan biasanya mengukur efek rata-rata, tapi efeknya bisa berbeda untuk orang yang berbeda.

Ide kunci kedua untuk bergerak di luar percobaan sederhana adalah heterogenitas efek pengobatan. Percobaan Schultz et al. (2007) kuat menggambarkan bagaimana perlakuan yang sama dapat memiliki efek yang berbeda pada berbagai jenis orang (Gambar 4.4), tetapi analisis ini heterogenitas sebenarnya cukup tidak biasa untuk percobaan usia analog. Sebagian besar percobaan usia analog melibatkan sejumlah kecil peserta yang diperlakukan sebagai dipertukarkan "widget" karena sedikit tentang mereka dikenal pra-perawatan. Dalam percobaan digital, bagaimanapun, ini kendala data yang kurang umum karena peneliti cenderung memiliki lebih banyak peserta dan tahu lebih banyak tentang mereka. Dalam lingkungan data yang berbeda ini, kita dapat memperkirakan heterogenitas efek pengobatan untuk memberikan petunjuk tentang bagaimana perawatan bekerja, bagaimana hal itu dapat ditingkatkan, dan bagaimana hal itu dapat ditargetkan untuk mereka yang sebagian besar mungkin untuk manfaat.

Dua contoh heterogenitas efek pengobatan dalam konteks norma-norma sosial dan penggunaan energi berasal dari penelitian tambahan pada Energi Laporan Home. Pertama, Allcott (2011) digunakan ukuran sampel yang besar (600.000 rumah tangga) untuk lebih membagi sampel dan memperkirakan efek dari Laporan Energi Home oleh desil dari penggunaan energi pra-perawatan. Sementara Schultz et al. (2007) menemukan perbedaan antara pengguna berat dan ringan, Allcott (2011) menemukan bahwa ada juga perbedaan dalam kelompok pengguna berat dan ringan. Sebagai contoh, pengguna terberat (orang-orang di desil atas) mengurangi penggunaan energi mereka dua kali lebih banyak sebagai seseorang di tengah-tengah kelompok pengguna berat (Gambar 4.7). Selanjutnya, memperkirakan efek dengan perilaku pra-treatment juga mengungkapkan bahwa tidak ada efek bumerang bahkan untuk pengguna ringan (Gambar 4.7).

Gambar 4.7: Heterogenitas efek pengobatan pada Allcott (2011). Penurunan penggunaan energi berbeda untuk orang di desil yang berbeda dari penggunaan dasar.

Gambar 4.7: Heterogenitas efek pengobatan pada Allcott (2011) . Penurunan penggunaan energi berbeda untuk orang di desil yang berbeda dari penggunaan dasar.

Dalam penelitian terkait, Costa and Kahn (2013) berspekulasi bahwa efektivitas Laporan Energi Depan bisa bervariasi berdasarkan ideologi politik peserta dan bahwa pengobatan mungkin benar-benar menyebabkan orang dengan ideologi tertentu untuk meningkatkan mereka menggunakan listrik. Dengan kata lain, mereka berspekulasi bahwa Depan Laporan Energi mungkin menciptakan efek bumerang untuk beberapa jenis orang. Untuk menilai kemungkinan ini, Costa dan Kahn bergabung data Opower dengan data yang dibeli dari agregator pihak ketiga yang termasuk informasi seperti pendaftaran partai politik, sumbangan untuk organisasi lingkungan, dan partisipasi rumah tangga dalam program energi terbarukan. Dengan dataset gabungan ini, Costa dan Kahn menemukan bahwa Depan Laporan Energi menghasilkan efek luas serupa untuk peserta dengan ideologi yang berbeda; tidak ada bukti bahwa kelompok manapun menunjukkan efek bumerang (Gambar 4.8).

Gambar 4.8: Heterogenitas efek pengobatan di Costa dan Kahn (2013). Diperkirakan efek pengobatan rata-rata untuk seluruh sampel adalah -2,1% [-1,5%, -2,7%]. Dengan menggabungkan informasi dari percobaan dengan informasi tentang rumah tangga, Costa dan Kahn (2013) menggunakan serangkaian model statistik untuk memperkirakan efek pengobatan untuk kelompok yang sangat spesifik orang. Dua perkiraan disajikan untuk setiap kelompok karena perkiraan tergantung pada kovariat mereka termasuk dalam model statistik mereka (lihat memodelkan 4 dan model 6 pada Tabel 3 dan Tabel 4 di Costa dan Kahn (2013)). Sebagai contoh ini menggambarkan, efek pengobatan dapat berbeda untuk orang yang berbeda dan perkiraan efek pengobatan yang berasal dari model statistik dapat bergantung pada rincian model-model (Grimmer, Messing, dan Westwood 2014).

Gambar 4.8: Heterogenitas efek pengobatan di Costa and Kahn (2013) . Diperkirakan efek pengobatan rata-rata untuk seluruh sampel adalah -2,1% [-1,5%, -2,7%]. Dengan menggabungkan informasi dari percobaan dengan informasi tentang rumah tangga, Costa and Kahn (2013) menggunakan serangkaian model statistik untuk memperkirakan efek pengobatan untuk kelompok yang sangat spesifik orang. Dua perkiraan disajikan untuk setiap kelompok karena perkiraan tergantung pada kovariat mereka termasuk dalam model statistik mereka (lihat memodelkan 4 dan model 6 pada Tabel 3 dan Tabel 4 di Costa and Kahn (2013) ). Sebagai contoh ini menggambarkan, efek pengobatan dapat berbeda untuk orang yang berbeda dan perkiraan efek pengobatan yang berasal dari model statistik dapat bergantung pada rincian model-model (Grimmer, Messing, and Westwood 2014) .

Sebagai dua contoh ini menggambarkan, di era digital, kita bisa bergerak dari memperkirakan efek pengobatan rata-rata untuk memperkirakan heterogenitas efek pengobatan karena kita dapat memiliki lebih banyak peserta dan kita tahu lebih banyak tentang peserta. Belajar tentang heterogenitas efek pengobatan dapat mengaktifkan penargetan dari pengobatan mana yang paling efektif, memberikan fakta yang merangsang pengembangan teori baru, dan memberikan petunjuk tentang mekanisme mungkin, topik yang sekarang aku berubah.