4.4.2 Heterogeneity მკურნალობის ეფექტი

ექსპერიმენტი ჩვეულებრივ გავზომოთ საშუალო ეფექტი, მაგრამ ეფექტი შეიძლება იყოს სხვადასხვა სხვადასხვა ადამიანი.

მეორე ძირითადი იდეა მოძრავი მიღმა მარტივი ექსპერიმენტი არის განსხვავებულ მკურნალობის ეფექტი. ექსპერიმენტი Schultz et al. (2007) ძლიერი გვიჩვენებს, თუ როგორ იგივე მკურნალობა შეიძლება ჰქონდეს განსხვავებული ეფექტი სხვადასხვა სახის ადამიანი (ნახაზი 4.4), მაგრამ ეს ანალიზი არაერთგვაროვნება რეალურად საკმაოდ უჩვეულო ანალოგი ასაკში ექსპერიმენტი. ყველაზე ანალოგი ასაკში ექსპერიმენტი ჩართვა მცირე რაოდენობის მონაწილეებს, რომლებიც განიხილება, როგორც ურთიერთშემცვლელნი "ვიჯეტები" იმიტომ, რომ ცოტა მათ შესახებ ცნობილია წინასწარ მკურნალობა. ციფრული ექსპერიმენტი, თუმცა, ეს მონაცემები შეზღუდვების ნაკლებად გავრცელებული, რადგან მკვლევართა, როგორც წესი, უფრო მეტი მონაწილე და ვიცი, მეტი მათ შესახებ. ამ სხვადასხვა მონაცემები გარემო, ჩვენ შეიძლება შეფასდეს განსხვავებულ მკურნალობის ეფექტი, რათა უზრუნველყოს clues, თუ როგორ მკურნალობა მუშაობს, როგორ შეიძლება გაუმჯობესდა, და როგორ შეიძლება იყოს გამიზნული იმ ძირითადად სავარაუდოდ ისარგებლოს.

ორი მაგალითები განსხვავებულ მკურნალობის ეფექტი კონტექსტში სოციალური ნორმებისა და ენერგიის გამოყენების მოდის დამატებითი კვლევა მთავარი ენერგეტიკის ანგარიშები. პირველი, Allcott (2011) გამოიყენება დიდი შერჩევის ზომა (600,000 ოჯახების) შემდგომი გაყოფილი ნიმუში და შეაფასებს ეფექტი მთავარი ენერგიის ანგარიში დეცილში წინასწარი მკურნალობა ენერგიის გამოყენება. მიუხედავად იმისა, რომ Schultz et al. (2007) ი განსხვავებები მძიმე და მსუბუქი წევრებს, Allcott (2011) აჩვენა, რომ არსებობს ასევე განსხვავებები ფარგლებში მძიმე და მსუბუქი ჯგუფი. მაგალითად, მძიმე წევრებს (იმ ზედა დეცილში) შემცირდა მათი ენერგომოხმარება ორჯერ, ისევე როგორც ვინმე შუა მძიმე ჯგუფის (ნახაზი 4.7). გარდა ამისა, შეფასების ეფექტი წინასწარი მკურნალობა ქცევა ასევე დადგინდა, რომ არ იყო ბუმერანგის ეფექტი კი მსუბუქი წევრებს (ნახაზი 4.7).

Figure 4.7: Heterogeneity მკურნალობის ეფექტი Allcott (2011). შემცირება ენერგიის გამოყენების იყო სხვადასხვა ადამიანი სხვადასხვა deciles საბაზისო გამოყენება.

Figure 4.7: Heterogeneity მკურნალობის ეფექტი Allcott (2011) . შემცირება ენერგიის გამოყენების იყო სხვადასხვა ადამიანი სხვადასხვა deciles საბაზისო გამოყენება.

ამასთანავე შესწავლა, Costa and Kahn (2013) ვარაუდობენ, რომ ეფექტურობის მთავარი ენერგიის ანგარიში შეიძლება განსხვავდებოდეს ეფუძნება მონაწილე პოლიტიკური იდეოლოგია და, რომ მკურნალობა შეიძლება რეალურად გამოიწვიოს ხალხის გარკვეული იდეოლოგიის, რათა გაიზარდოს მათი ელექტროენერგიის გამოყენება. სხვა სიტყვებით, ისინი ვარაუდობენ, რომ მთავარი ენერგიის ანგარიშები შეიძლება შექმნის ბუმერანგის ეფექტი გარკვეული სახის ადამიანი. შეაფასოს ამ შესაძლებლობას, კოსტა და Kahn გაერთიანდა Opower მონაცემები მონაცემთა შესყიდული მესამე მხარის aggregator, რომელიც მოიცავდა ინფორმაციას, როგორიცაა პოლიტიკური პარტიის რეგისტრაციის, შემოწირულობების გარემოს ორგანიზაციები და საყოფაცხოვრებო მონაწილეობის განახლებადი ენერგიის პროგრამები. ამ გაერთიანებული ნაკრებს, კოსტა და Kahn აღმოჩნდა, რომ მთავარი ენერგიის ანგარიშები წარმოებული ფართოდ მსგავსი ეფექტი მონაწილეებს სხვადასხვა იდეოლოგიის; არ არსებობს მტკიცებულება, რომ ნებისმიერი ჯგუფის გამოფენილი boomerang ეფექტი (ნახაზი 4.8).

Figure 4.8: Heterogeneity მკურნალობის ეფექტი კოსტა და Kahn (2013). სავარაუდო საშუალო მკურნალობის ეფექტი მთელი ნიმუში -2.1% [-1.5%, -2.7%]. აერთიანებს ინფორმაციას ექსპერიმენტი ინფორმაცია ოჯახების, კოსტა და Kahn (2013) გამოიყენება რიგი სტატისტიკური მოდელები, რათა დადგინდეს მკურნალობის ეფექტი ძალიან კონკრეტული ჯგუფების ადამიანი. ორი შეფასებით წარმოდგენილი თითოეული ჯგუფი, რადგან შეფასებით დამოკიდებული განმაპირობებელ მათ შორის მათი სტატისტიკური მოდელების (იხ მოდელზე 4 და მოდელის 6 მაგიდა 3 და ცხრილი 4 კოსტა და Kahn (2013)). როგორც ამ მაგალითიდან ვხედავთ, მკურნალობის ეფექტი შეიძლება იყოს სხვადასხვა სხვადასხვა ადამიანი და შეფასებები მკურნალობის მოვლენები, რომ მოდის სტატისტიკური მოდელების შეიძლება დამოკიდებული დეტალები არ მოდელები (Grimmer, ძვირფასი და Westwood 2014).

Figure 4.8: Heterogeneity მკურნალობის ეფექტი Costa and Kahn (2013) . სავარაუდო საშუალო მკურნალობის ეფექტი მთელი ნიმუში -2.1% [-1.5%, -2.7%]. აერთიანებს ინფორმაციას ექსპერიმენტი ინფორმაცია ოჯახების, Costa and Kahn (2013) გამოიყენება რიგი სტატისტიკური მოდელები, რათა დადგინდეს მკურნალობის ეფექტი ძალიან კონკრეტული ჯგუფების ადამიანი. ორი შეფასებით წარმოდგენილი თითოეული ჯგუფი, რადგან შეფასებით დამოკიდებული განმაპირობებელ მათ შორის მათი სტატისტიკური მოდელების (იხ მოდელზე 4 და მოდელის 6 მაგიდა 3 და მაგიდა 4 Costa and Kahn (2013) ). როგორც ამ მაგალითიდან ვხედავთ, მკურნალობის ეფექტი შეიძლება იყოს სხვადასხვა სხვადასხვა ადამიანი და შეფასებები მკურნალობის მოვლენები, რომ მოდის სტატისტიკური მოდელების შეიძლება დამოკიდებული დეტალები იმ მოდელებს (Grimmer, Messing, and Westwood 2014) .

როგორც ამ ორი მაგალითები ცხადყოფს, ციფრული ასაკი, ჩვენ შეგვიძლია გადაადგილება შეფასებისას საშუალოდ მკურნალობის ეფექტი, რომ შეფასებისას განსხვავებულ მკურნალობის ეფექტი იმიტომ, რომ ჩვენ გვაქვს მრავალი სხვა მონაწილეებს და ჩვენ ვიცით მეტი იმ მონაწილეებს. სწავლის შესახებ განსხვავებულ მკურნალობის ეფექტი შეიძლება საშუალებას გათვლილი მკურნალობის, სადაც ეს არის ყველაზე ეფექტური, გთავაზობთ ფაქტებს, რომ სტიმულირება ახალი თეორია განვითარება, და მინიშნებები შესაძლო მექანიზმი, თემა, რომელიც მე ახლა აქციოს.