4.4.2 ທີ່ແຕກຕ່າງຂອງຜົນກະທົບການປິ່ນປົວ

ປະສົບການຕາມປົກກະຕິໃນການວັດແທກຜົນກະທົບສະເລ່ຍປະຈໍາ, ແຕ່ຜົນກະທົບສາມາດທີ່ແຕກຕ່າງກັນສໍາລັບປະຊາຊົນທີ່ແຕກຕ່າງກັນ.

ແນວຄວາມຄິດທີ່ສໍາຄັນທີ່ສອງສໍາລັບການເຄື່ອນຍ້າຍຫຼັງຈາກປະສົບງ່າຍດາຍແມ່ນ heterogeneity ຂອງຜົນກະທົບການປິ່ນປົວ. ການທົດລອງຂອງ Schultz et al. (2007) ມີພະລັງສະແດງໃຫ້ເຫັນວິທີການປິ່ນປົວດຽວກັນສາມາດມີຜົນກະທົບທີ່ແຕກຕ່າງກັນກ່ຽວກັບປະເພດທີ່ແຕກຕ່າງກັນຂອງປະຊາຊົນ (44), ແຕ່ການວິເຄາະຂອງ heterogeneity ນີ້ແມ່ນຕົວຈິງແລ້ວຜິດປົກກະຕິດີສໍາລັບການປະສົບການອາຍຸສູງສຸດການປຽບທຽບ. ທີ່ສຸດປະສົບການອາຍຸສູງສຸດການປຽບທຽບການມີສ່ວນຮ່ວມເປັນຈໍານວນຂະຫນາດນ້ອຍຂອງຜູ້ເຂົ້າຮ່ວມທີ່ໄດ້ຮັບການປິ່ນປົວເປັນ "ເຄື່ອງມື" interchangeable ເນື່ອງຈາກວ່າພຽງເລັກນ້ອຍກ່ຽວກັບພວກເຂົາເປັນທີ່ຮູ້ຈັກທາງສ່ວນຫນ້າຂອງການປິ່ນປົວ. ໃນການທົດລອງດິຈິຕອນ, ຢ່າງໃດກໍຕາມ, ການເຫຼົ່ານີ້ຈໍາກັດຂໍ້ມູນມີຫນ້ອຍທົ່ວໄປເນື່ອງຈາກວ່ານັກຄົ້ນຄວ້າມີແນວໂນ້ມທີ່ຈະມີຜູ້ເຂົ້າຮ່ວມແລະຮູ້ເພີ່ມເຕີມກ່ຽວກັບເຂົາເຈົ້າ. ໃນສະພາບແວດລ້ອມຂໍ້ມູນນີ້ທີ່ແຕກຕ່າງກັນ, ພວກເຮົາສາມາດປະເມີນ heterogeneity ຂອງຜົນກະທົບການປິ່ນປົວໃນຄໍາສັ່ງທີ່ຈະສະຫນອງຂໍ້ຄຶດກ່ຽວກັບວິທີເຮັດວຽກການປິ່ນປົວ, ເຮັດແນວໃດມັນສາມາດຮັບການປັບປຸງ, ແລະເຮັດແນວໃດມັນສາມາດໄດ້ຮັບການກໍາຫນົດເປົ້າຫມາຍຜູ້ທີ່ສ່ວນໃຫຍ່ອາດຈະຮັບຜົນປະໂຫຍດ.

ສອງຕົວຢ່າງຂອງ heterogeneity ຂອງຜົນກະທົບການປິ່ນປົວໃນສະພາບການຂອງມາດຕະຖານທາງດ້ານສັງຄົມແລະການນໍາໃຊ້ພະລັງງານມາຈາກການຄົ້ນຄວ້າເພີ່ມເຕີມກ່ຽວກັບບົດລາຍງານພະລັງງານຫນ້າທໍາອິດ. ຫນ້າທໍາອິດ, Allcott (2011) ການນໍາໃຊ້ຂະຫນາດຕົວຢ່າງຂະຫນາດໃຫຍ່ (600,000 ຄອບຄົວ) ທີ່ຈະສືບຕໍ່ແບ່ງປັນຕົວຢ່າງແລະປະເມີນຜົນກະທົບຂອງບົດລາຍງານພະລັງງານທໍາອິດໂດຍ decile ຂອງການນໍາໃຊ້ພະລັງງານທາງສ່ວນຫນ້າຂອງການປິ່ນປົວ. ໃນຂະນະທີ່ Schultz et al. (2007) ພົບຄວາມແຕກຕ່າງລະຫວ່າງຜູ້ໃຊ້ຢ່າງຮຸນແຮງແລະແສງສະຫວ່າງ, Allcott (2011) ພົບວ່າຍັງມີຄວາມແຕກຕ່າງພາຍໃນກຸ່ມຜູ້ໃຊ້ຢ່າງຮຸນແຮງແລະແສງສະຫວ່າງ. ສໍາລັບການຍົກຕົວຢ່າງ, ຜູ້ຊົມໃຊ້ຫຼາຍ (ຜູ້ທີ່ຢູ່ໃນ decile ເທິງ) ການຫຼຸດຜ່ອນການນໍາໃຊ້ພະລັງງານຂອງເຂົາເຈົ້າສອງເທື່ອເປັນຫຼາຍເປັນຄົນຢູ່ເຄິ່ງກາງຂອງກຸ່ມຜູ້ໃຊ້ຢ່າງຮຸນແຮງ (ຮູບສະແດງທີ 47) ໄດ້. ນອກຈາກນັ້ນ, ການຄາດຄະເນຜົນກະທົບໂດຍພຶດຕິກໍາທາງສ່ວນຫນ້າຂອງການປິ່ນປົວຍັງໄດ້ເປີດເຜີຍວ່າມີບໍ່ມີຜົນກະທົບ boomerang ເຖິງແມ່ນສໍາລັບຜູ້ຊົມໃຊ້ lightest (ຮູບ 47).

ຮູບ 4.7: ທີ່ແຕກຕ່າງຂອງຜົນກະທົບການປິ່ນປົວໃນ Allcott (2011). ການຫຼຸດລົງໃນການນໍາໃຊ້ພະລັງງານທີ່ແຕກຕ່າງກັນສໍາລັບປະຊາຊົນໃນ deciles ທີ່ແຕກຕ່າງກັນຂອງການນໍາໃຊ້ຂໍ້ມູນພື້ນຖານ.

ຮູບ 4.7: ທີ່ແຕກຕ່າງຂອງຜົນກະທົບການປິ່ນປົວໃນ Allcott (2011) . ການຫຼຸດລົງໃນການນໍາໃຊ້ພະລັງງານທີ່ແຕກຕ່າງກັນສໍາລັບປະຊາຊົນໃນ deciles ທີ່ແຕກຕ່າງກັນຂອງການນໍາໃຊ້ຂໍ້ມູນພື້ນຖານ.

ໃນການສຶກສາທີ່ກ່ຽວຂ້ອງ, Costa and Kahn (2013) ຄາດວ່າປະສິດທິພາບຂອງບົດລາຍງານພະລັງງານທໍາອິດທີ່ສາມາດແຕກຕ່າງກັນຂຶ້ນຢູ່ກັບແນວຄິດການເມືອງຂອງຜູ້ເຂົ້າຮ່ວມແລະວ່າການປິ່ນປົວໃນຕົວຈິງແລ້ວອາດຈະເຮັດໃຫ້ປະຊາຊົນທີ່ມີບາງອຸດົມການເພື່ອເພີ່ມທະວີການນໍາໃຊ້ໄຟຟ້າຂອງພວກເຂົາ. ໃນຄໍາສັບຕ່າງໆອື່ນໆ, ພວກເຂົາເຈົ້າຄາດວ່າບົດລາຍງານພະລັງງານທໍາອິດອາດຈະໄດ້ຮັບການສ້າງຜົນກະທົບ boomerang ສໍາລັບບາງປະເພດຂອງປະຊາຊົນ. ການປະເມີນຄວາມເປັນໄປໄດ້ນີ້, Costa ແລະ Kahn ລວມຂໍ້ມູນ Opower ກັບຂໍ້ມູນຊື້ມາຈາກການລວບລວມພາກສ່ວນທີສາມທີ່ປະກອບມີຂໍ້ມູນເຊັ່ນການຈົດທະບຽນທາງດ້ານການເມືອງພັກ, ບໍລິຈາກໃຫ້ອົງການຈັດຕັ້ງສະພາບແວດລ້ອມ, ແລະການມີສ່ວນຮ່ວມໃນຄອບຄົວໃນບັນດາໂຄງການພະລັງງານທົດແທນ. ກັບຊຸດຂໍ້ມູນທີ່ຜະສານນີ້, Costa ແລະ Kahn ໄດ້ພົບເຫັນວ່າບົດລາຍງານພະລັງງານຫນ້າທໍາອິດຜະລິດຜົນກະທົບທີ່ຄ້າຍຄືກັນກ້ວາງຂວາງສໍາລັບຜູ້ເຂົ້າຮ່ວມທີ່ມີອຸດົມການທີ່ແຕກຕ່າງກັນ; ບໍ່ມີຫຼັກຖານວ່າກຸ່ມວາງສະແດງຜົນກະທົບ boomerang (ຮູບສະແດງທີ 48) ບໍ່ມີ.

ຕົວເລກ 48: ທີ່ແຕກຕ່າງຂອງຜົນກະທົບການປິ່ນປົວໃນ Costa ແລະ Kahn (2013). ຜົນກະທົບການປິ່ນປົວປະມານສະເລ່ຍສໍາລັບຕົວຢ່າງທັງຫມົດແມ່ນ -21% [-15%, -27%]. ໂດຍລວມຂໍ້ມູນຈາກການທົດລອງທີ່ມີຂໍ້ມູນກ່ຽວກັບຄອບຄົວ, Costa ແລະ Kahn (2013) ການນໍາໃຊ້ຊຸດຂອງແບບຈໍາລອງທາງສະຖິຕິເພື່ອປະເມີນຜົນກະທົບການປິ່ນປົວສໍາລັບກຸ່ມຄົນສະເພາະຫຼາຍຂອງປະຊາຊົນ. ສອງການຄາດຄະເນຖືກນໍາສະເຫນີຂອງແຕ່ລະກຸ່ມເນື່ອງຈາກວ່າການຄາດຄະເນແມ່ນຂຶ້ນກັບຄວາມແປປວນຂອງພວກເຂົາເຈົ້າປະກອບໃນຮູບແບບທາງສະຖິຕິຂອງເຂົາເຈົ້າ (ເບິ່ງຮູບແບບ 4 ແລະຮູບແບບ 6 ໃນຕາຕະລາງ 3 ແລະຕາຕະລາງ 4 ໃນ Costa ແລະ Kahn (2013)). ໃນຖານະເປັນຕົວຢ່າງນີ້ສະແດງໃຫ້ເຫັນຜົນກະທົບປິ່ນປົວສາມາດທີ່ແຕກຕ່າງກັນສໍາລັບປະຊາຊົນທີ່ແຕກຕ່າງກັນແລະການຄາດຄະເນຜົນກະທົບຂອງການປິ່ນປົວທີ່ມາຈາກຮູບແບບທາງສະຖິຕິສາມາດຂຶ້ນກັບລາຍລະອຽດຂອງແບບນັ້ນ (Grimmer, ລັງກິນອາຫານ, ແລະ Westwood 2014).

ຕົວເລກ 48: ທີ່ແຕກຕ່າງຂອງຜົນກະທົບການປິ່ນປົວໃນ Costa and Kahn (2013) . ຜົນກະທົບການປິ່ນປົວປະມານສະເລ່ຍສໍາລັບຕົວຢ່າງທັງຫມົດແມ່ນ -21% [-15%, -27%]. ໂດຍລວມຂໍ້ມູນຈາກການທົດລອງທີ່ມີຂໍ້ມູນກ່ຽວກັບຄອບຄົວ, Costa and Kahn (2013) ການນໍາໃຊ້ຊຸດຂອງແບບຈໍາລອງທາງສະຖິຕິເພື່ອປະເມີນຜົນກະທົບການປິ່ນປົວສໍາລັບກຸ່ມຄົນສະເພາະຫຼາຍຂອງປະຊາຊົນ. ສອງການຄາດຄະເນຖືກນໍາສະເຫນີຂອງແຕ່ລະກຸ່ມເນື່ອງຈາກວ່າການຄາດຄະເນແມ່ນຂຶ້ນກັບຄວາມແປປວນຂອງພວກເຂົາເຈົ້າປະກອບໃນຮູບແບບທາງສະຖິຕິຂອງເຂົາເຈົ້າ (ເບິ່ງຮູບແບບ 4 ແລະຮູບແບບ 6 ໃນຕາຕະລາງ 3 ແລະຕາຕະລາງ 4 ໃນ Costa and Kahn (2013) ). ໃນຖານະເປັນຕົວຢ່າງນີ້ສະແດງໃຫ້ເຫັນຜົນກະທົບປິ່ນປົວສາມາດທີ່ແຕກຕ່າງກັນສໍາລັບປະຊາຊົນທີ່ແຕກຕ່າງກັນແລະການຄາດຄະເນຜົນກະທົບຂອງການປິ່ນປົວທີ່ມາຈາກຮູບແບບທາງສະຖິຕິສາມາດຂຶ້ນກັບລາຍລະອຽດຂອງແບບນັ້ນ (Grimmer, Messing, and Westwood 2014) .

ເປັນການເຫຼົ່ານີ້ທັງສອງຕົວຢ່າງສະແດງໃຫ້ເຫັນ, ໃນອາຍຸສູງສຸດດິຈິຕອນ, ພວກເຮົາສາມາດຍ້າຍອອກຈາກການຄາດຄະເນຜົນກະທົບການປິ່ນປົວສະເລ່ຍປະຈໍາກັບການຄາດຄະເນ heterogeneity ຂອງຜົນກະທົບການປິ່ນປົວເນື່ອງຈາກວ່າພວກເຮົາສາມາດມີຜູ້ເຂົ້າຮ່ວມຫຼາຍກວ່າແລະພວກເຮົາຢາກຮູ້ເພີ່ມເຕີມກ່ຽວກັບຜູ້ເຂົ້າຮ່ວມຜູ້ທີ່. ການຮຽນຮູ້ກ່ຽວກັບ heterogeneity ຂອງຜົນກະທົບການປິ່ນປົວສາມາດເຮັດໃຫ້ເປົ້າຫມາຍຂອງການປິ່ນປົວບ່ອນທີ່ມັນເປັນປະສິດທິພາບຫຼາຍທີ່ສຸດ, ໃຫ້ຄວາມຈິງທີ່ວ່າກະຕຸ້ນໃຫ້ມີການພັດທະນາທິດສະດີໃຫມ່, ແລະໃຫ້ຄໍາແນະນໍາກ່ຽວກັບກົນໄກການເປັນໄປໄດ້, ກະທູ້ທີ່ຂ້າພະເຈົ້າໃນປັດຈຸບັນເຮັດໃຫ້.