4.4.2 Heterogeneity vun Behandlung Effekter

Experimente mëcht normalerweis den Duerchschnëtt Effekt, awer de Effekt ass wahrscheinlech net dasselbe fir jiddereen.

Déi zweet Schlëssel Idee fir méi wéi einfache Experimenter ze verschleefen ass Heterogenitéit vun Behandlungsofwier . Den Experiment vum Schultz et al. (2007) illustréiert wéi d'selwecht behandelt kann e differenzéierten Effekt op verschidden Arten vu Leit (Bild 4,4) hunn. Déi meescht analoge Experimenter konzentréieren sech awer op déi durchschnëttlech Behandlungseffects, well et eng kleng Unzuel vun de Participanten war, a wéineg wéineg bekannt waren. Bei digitalen Experimenten sinn et awer vill oft méi Leit a méi ass se iwwer hinnen bekannt. An dëser verschiddener Datenumgebung fuerderen Fuerschungen, déi weider nëmmen duerchschnëttlech Behandlung vun den Effekter weider schätzen, verfollegen d'Aart a Weis wéi Schätzungen iwwer d'Heterogenitéit vun den Behandlungseffects kënnen uleeën, wéi eng Behandlungsaarbecht funktionnéiert, wéi et verbessert ginn an wéi et kann gezielt ginn déi déi am wahrscheinlechsten profitéieren.

Zwee Beispiller vun der Heterogenitéit vun der Behandlungseffekt kommen aus méi Fuerschung iwwer den Home Energy Reports. Éischt Allcott (2011) benotzt déi grouss Probe-Gréisst (600.000 Stéit) fir d'Probe weider ofzespillen an de Effekt vum Home Energy Report duerch d'Verzögerung vun der prä-Behandlung vun der Energieverbrauch. Schultz et al. (2007) hunn Ënnerscheeder tëscht schwéieren a léisst Benotzer, Allcott (2011) fest fonnt, datt et och Differenzen an der Schwéier- a Allcott (2011) . Zum Beispill, déi schwersten Benotzer (déi an der Spëtzt am Cercle) reduzéieren hir Energieverbrauch zweemol sou vill wéi jonk an der Mëtt vun der schwäizer Benotzer (4,8). Ausserdem huet d'Schätzung vum Effekt duerch Virbehandlung vergewëssert och, datt et keng Boomerang Effekt huet, och fir déi liichste Benotzer (4,8).

Figure 4,8: ​​Heterogenitéit vun Behandlungsaktivitéiten an Allcott (2011). D'Verloschter vun der Energieverbrauch war verschidden fir Leit an verschidden Desilien vun der Baseline benotzt. Amotéiert aus Allcott (2011), Figur 8.

Figure 4,8: ​​Heterogenitéit vun Behandlungsaktivitéiten an Allcott (2011) . D'Verloschter vun der Energieverbrauch war verschidden fir Leit an verschidden Desilien vun der Baseline benotzt. Allcott (2011) aus Allcott (2011) , Figur 8.

An enger bezunnene Studie, Costa and Kahn (2013) spekuléiert datt d'Effizienz vum Home Energy Report op Basis vun der politescher Ideologie vum Participant variéiere kann an datt d'Behandlung kann eigentlech Leit mat verschiddene Ideologien verlaangen, hiren Elektrizitéitsverbrauch ze erhéijen. An anere Wierder, se spekuléiert datt d'Home Energy Reports e boomerang Effekt fir e puer Typen vu Leit kënne schafen. Zu dëser Beobachtung huet Costa an Kahn d'Opower-Donnéeën mat Daten gekuckt, déi vun engem Aggregateur ageriicht hunn, deen Informatioun wéi d'Parteienregistrierung, d'Spenden fir d'Ëmweltorganisatiounen an d'Participatioun vum Stot an erneierbaren Energien Programmer huet. Mat dësem fusionnéierte Dataset hunn Costa an Kahn festgestallt datt d'Home Energy Reports all ähnlech Effekter fir Bete bei verschiddene Ideologien produzéiert hunn; et war keng Beweiser datt all Grupp Boomerang Effekter ausdiskutéiert huet (4.9).

Figure 4.9: Heterogenitéit vun Behandlungsplazen an Costa an Kahn (2013). De geschätzten duerchschnëttleche Behandlungseffekt fir d'Gesamtprobe ass -2,1% [-1,5%, -2,7%]. No Kombinatioun vun Informatioun vum Experiment mat Informatiounen iwwer d'Stéit, hunn Costa a Kahn (2013) eng Rei statistesch Modeller benotzt fir den Behandlungseffekt fir ganz spezifesch Gruppen vu Leit ze schätzen. Zwee Schätzunge sinn fir all Grupp präsentéiert ginn, well d'Schätzunge vun den Kovariaten, déi se an hire statisteschen Modellen (mat Modellen 4 an 6 an Tabellen 3 an 4 an Costa an Kahn (2013) beinhalt hunn, abegraff. Wéi dëst Beispill illustréiert, datt Behandlungsafriken ënnerschiddlech sinn fir verschidden Leit a Schätzungen vun Behandlungsofwier, déi aus statisteschen Modeller kommen, kënnen ofhängeg vun den Detailer vun dëse Modeller (Grimmer, Brass a Westwood 2014). Angesaat vun Costa an Kahn (2013), Dëscher 3 a 4.

Figure 4.9: Heterogenitéit vun Behandlungsplazen an Costa and Kahn (2013) . De geschätzten duerchschnëttleche Behandlungseffekt fir d'Gesamtprobe ass -2,1% [-1,5%, -2,7%]. No Kombinatioun vun Informatioun vum Experiment mat Informatiounen iwwer d'Stéit, hunn Costa and Kahn (2013) eng Rei statistesch Modeller benotzt fir den Behandlungseffekt fir ganz spezifesch Gruppen vu Leit ze schätzen. Zwee Schätzunge sinn fir all Grupp präsentéiert ginn, well d'Schätzunge vun den Kovariaten, déi se an hire statisteschen Modellen (mat Modellen 4 an 6 an Tabellen 3 an 4 an Costa and Kahn (2013) beinhalt hunn, abegraff. Wéi dëst Beispill illustréiert, datt Behandlungsafriken ënnerschiddlech sinn fir verschidden Leit a Schätzungen vun Behandlungsofwier, déi aus statistesche Modeller kommen, kënnen ofhängeg vun den Detailer vun dëse Modeller (Grimmer, Messing, and Westwood 2014) . Angesaat vun Costa and Kahn (2013) , Dëscher 3 a 4.

Wéi déi zwee Beispiller illustréieren, am Digital Alter si mir vun der Schätzung vun der Duerchschnëttsvirgangseffect fir d'Heterogenitéit vun den Behandlungsaktivitéiten ze schätzen, well mir kënnen nach vill méi Participanten an eis méi iwwer dës Participanten wëssen. Léiere vu Heterogenitéit vun Behandlungsofwierkungen kann e gezielte Behandlungsprozess fir eng Behandlungsméiglechung maachen, wou et am effizientesten ass, Faktiounen déi d'nei Theorieentwicklung stimuléieren an Hellef iwwert méiglechen Mechanismen, dem Thema, wou ech elo dra sinn.