4.4.3 Meccanismi

Gli esperimenti misurano quello che è successo. Meccanismi spiegare perché e come sia successo.

La terza idea chiave per andare oltre semplici esperimenti è meccanismi. Meccanismi ci dicono perché o come un trattamento ha causato un effetto. Il processo di ricerca di meccanismi è talvolta chiamato anche alla ricerca di variabili intervenienti o variabili di mediazione. Anche se gli esperimenti sono buone per stimare gli effetti causali, spesso non sono progettati per rivelare i meccanismi. esperimenti era digitale può aiutare a identificare i meccanismi in due modi: 1) ci permettono di raccogliere più dati di processo e 2) ci permettono di testare molti trattamenti correlati.

Poiché i meccanismi sono difficili da definire formalmente (Hedström and Ylikoski 2010) , ho intenzione di iniziare con un semplice esempio: tigli e lo scorbuto (Gerber and Green 2012) . Nel 18 ° secolo i medici hanno avuto un buon senso che quando i marinai mangiavano tigli non hanno ottenuto lo scorbuto. Lo scorbuto è una malattia terribile quindi questo era informazioni potente. Ma, questi medici non sapevano il motivo per cui tigli impedito lo scorbuto. Non è stato fino al 1932, quasi 200 anni dopo, che gli scienziati potrebbero mostrano in modo affidabile che la vitamina C è stato il motivo che ha impedito lo scorbuto calce (Carpenter 1988, p 191) . In questo caso, la vitamina C è il meccanismo attraverso il quale le calce prevenire lo scorbuto (Figura 4.9). Naturalmente, individuando il meccanismo è molto importante scientificamente sacco della scienza è di capire perché le cose accadono. Identificare meccanismi è molto importante praticamente. Una volta che abbiamo capito il motivo per cui un trattamento funziona, possiamo potenzialmente sviluppare nuovi trattamenti che funzionano ancora meglio.

Figura 4.9: Limes prevenire lo scorbuto e il meccanismo è la vitamina C.

Figura 4.9: Limes prevenire lo scorbuto e il meccanismo è la vitamina C.

Purtroppo, isolando meccanismi è molto difficile. A differenza di tigli e lo scorbuto, in molti contesti sociali, trattamenti probabilmente operano attraverso molti percorsi interconnessi, il che rende l'isolamento dei meccanismi estremamente difficile. Tuttavia, nel caso di norme sociali e l'uso di energia, i ricercatori hanno tentato di isolare meccanismi raccogliendo dati di processo e di prova trattamenti correlati.

Un modo per verificare i possibili meccanismi è attraverso la raccolta di dati di processo su come il trattamento influenzato possibili meccanismi. Ad esempio, ricordo che Allcott (2011) ha mostrato che Home Segnalazioni energia causata persone a ridurre il loro consumo di energia elettrica. Ma, come si fa questi rapporti minor utilizzo di energia elettrica? Quali sono stati i meccanismi? In uno studio di follow-up, Allcott and Rogers (2014) hanno collaborato con una società elettrica che, attraverso un programma di sconti, aveva acquisito informazioni su cui i consumatori aggiornati i loro apparecchi a più modelli a basso consumo energetico. Allcott and Rogers (2014) hanno trovato che un po 'più persone che ricevono i rapporti Home Energy aggiornato i loro elettrodomestici. Ma, questa differenza è così piccola che potrebbe rappresentare solo il 2% della riduzione del consumo di energia nelle famiglie trattati. In altre parole, gli aggiornamenti apparecchio non erano il meccanismo dominante attraverso cui il Rapporto Home Energy diminuito consumo di energia elettrica.

Un secondo modo per studiare i meccanismi è quello di eseguire esperimenti con versioni leggermente diverse del trattamento. Ad esempio, nell'esperimento di Schultz et al. (2007) e tutti gli esperimenti successivi casa Energy Report, i partecipanti sono stati forniti con un trattamento che ha due parti principali 1) Consigli su risparmio energetico e 2) informazioni sul loro consumo di energia rispetto ai loro pari (Figura 4.6). Pertanto, è possibile che le punte di risparmio energetico è ciò che ha causato il cambiamento, non le informazioni peer. Per valutare la possibilità che solo le punte potrebbero essere stati sufficienti, Ferraro, Miranda, and Price (2011) ha collaborato con una società di acqua nei pressi di Atlanta, GA, e corse un esperimento correlato sulla conservazione dell'acqua che coinvolge circa 100.000 famiglie. Ci sono stati quattro condizioni:

  • un gruppo che ha ricevuto consigli su come risparmiare acqua.
  • un gruppo che ha ricevuto consigli su come risparmiare acqua + un appello morale per risparmiare acqua.
  • un gruppo che ha ricevuto consigli su come risparmiare acqua + un appello morale per risparmiare acqua + informazioni sul loro consumo di acqua rispetto ai loro pari.
  • un gruppo di controllo.

I ricercatori hanno scoperto che le punte unico trattamento non ha avuto effetto sul consumo di acqua nel breve (un anno), media (due anni) e lungo termine (tre anni). Le punte + trattamento appello causato partecipanti per ridurre l'utilizzo di acqua, ma solo nel breve termine. Infine, il trattamento punte + richiamo + pari informazioni causato diminuito l'utilizzo nel breve, medio e lungo termine (Figura 4.10). Questi tipi di esperimenti con trattamenti di unbundling sono un buon modo per capire quale parte del trattamento, o quali parti insieme, sono quelli che causano l'effetto (Gerber and Green 2012, Sec. 10.6) . Ad esempio, l'esperimento di Ferraro e colleghi ci mostra che i consigli per risparmiare acqua da soli non sono sufficienti per ridurre l'utilizzo di acqua.

Figura 4.10: I risultati di Ferraro, Miranda, e Price (2011). I trattamenti sono stati inviati 21 maggio 2007, e gli effetti sono stati misurati durante le estati del 2007, 2008 e 2009. Con unbundling il trattamento i ricercatori speravano di sviluppare un senso migliore dei meccanismi. Le punte unico trattamento ha avuto essenzialmente alcun effetto nel breve (un anno), media (due anni) e lungo (tre anni) termine. Le punte + trattamento appello causato partecipanti per ridurre l'utilizzo di acqua, ma solo nel breve termine. Il consiglio + richiamo + trattamento dei dati pari causati partecipanti per ridurre l'utilizzo di acqua nel breve, medio e lungo termine. Le barre verticali sono stimati intervalli di confidenza. Vedere Bernedo, Ferraro, e Price (2014) per i materiali di studio reali.

Figura 4.10: I risultati di Ferraro, Miranda, and Price (2011) . I trattamenti sono stati inviati 21 maggio 2007, e gli effetti sono stati misurati durante le estati del 2007, 2008 e 2009. Con unbundling il trattamento i ricercatori speravano di sviluppare un senso migliore dei meccanismi. Le punte unico trattamento ha avuto essenzialmente alcun effetto nel breve (un anno), media (due anni) e lungo (tre anni) termine. Le punte + trattamento appello causato partecipanti per ridurre l'utilizzo di acqua, ma solo nel breve termine. Il consiglio + richiamo + trattamento dei dati pari causati partecipanti per ridurre l'utilizzo di acqua nel breve, medio e lungo termine. Le barre verticali sono stimati intervalli di confidenza. Vedere Bernedo, Ferraro, and Price (2014) per i materiali di studio reali.

Idealmente, si potrebbe andare oltre la stratificazione dei componenti (punte; punte + ricorso; punte + richiamo + informazioni tra pari) per un fattoriale completo di progettazione anche a volte chiamato un \ (2 ^ k \) fattoriale di design, dove ogni possibile combinazione di tre elementi viene testato (Tabella 4.1). Testando ogni possibile combinazione di componenti, i ricercatori possono valutare pienamente l'effetto di ciascun componente singolarmente e in combinazione. Ad esempio, l'esperimento di Ferraro e colleghi non rivela se il confronto tra pari da sola sarebbe stata sufficiente a portare a cambiamenti a lungo termine nel comportamento. In passato, questi disegni fattoriali completi sono stati difficili da eseguire perché richiedono un gran numero di partecipanti e richiedono ricercatori di essere in grado di controllare con precisione e fornire un gran numero di trattamenti. Ma, l'era digitale rimuove questi vincoli logistici in alcune situazioni.

Tabella 4.1: Esempio di trattamenti in un disegno fattoriale completo con 3 elementi: punte, appello, e le informazioni peer. La progettazione vera e propria del Ferraro, Miranda, and Price (2011) è stato un disegno fattoriale frazionario che comprendeva tre trattamenti: punte; punte + appello; e suggerimenti + richiamo + informazioni tra pari (Figura 4.10).
Trattamento caratteristiche
1 controllo
2 suggerimenti
3 appello
4 informazioni tra pari
5 Filtri + appello
6 Filtri + informazioni tra pari
7 Informazioni appello + pari
8 Filtri + richiamo + informazioni tra pari

In sintesi, i meccanismi-i percorsi attraverso i quali un trattamento ha un effetto-sono estremamente importanti. esperimenti età digitali possono aiutare i ricercatori a conoscere i meccanismi da 1) la raccolta dei dati di processo e 2) che consenta la completa disegni fattoriali. I meccanismi suggeriti da questi approcci possono poi testato direttamente da esperimenti specificamente progettato per testare i meccanismi (Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016) .

In totale, questi tre concetti-validità; eterogeneità degli effetti del trattamento; e meccanismi di fornire un potente insieme di idee per la progettazione e interpretare gli esperimenti. Questi ricercatori concetti contribuire a spostare al di là di semplici esperimenti su ciò che "funziona" a esperimenti più ricchi che hanno collegamenti più stretti alla teoria, che rivelano dove e perché trattamenti di lavoro, e potrebbe anche aiutare i ricercatori a progettare trattamenti più efficaci. Dato questo sfondo concettuale su esperimenti, mi rivolgo ora a come si può effettivamente fare i vostri esperimenti accadere.