4.4.2 heterogeniškumas gydymo poveikių

Eksperimentai paprastai išmatuoti vidutinę poveikį, tačiau poveikis gali būti skirtingas skirtingoms žmonių.

Antrasis pagrindinis idėja peržengiant paprastų eksperimentų heterogeniškumas gydymo poveikių. Eksperimento Schultz et al. (2007) galingai iliustruoja, kaip tas pats gydymas gali turėti skirtingą poveikį įvairių rūšių žmonių (4,4 paveikslą), tačiau šis nevienalytiškumas analizė iš tiesų yra gana neįprasta analoginį amžiaus eksperimentą. Dauguma analoginiai Amžius eksperimentai įtraukti nedidelį skaičių dalyvių, kurie traktuojami kaip keičiamais "raštai", nes mažai apie juos yra žinoma paruošiamąjį apdorojimą. Skaitmeninių eksperimentų, tačiau šie duomenys apribojimai yra mažiau paplitęs, nes tyrėjai yra linkę turėti daugiau dalyvių ir daugiau apie juos žinoti. Šiuo skirtingus duomenis aplinka, mes galime įvertinti heterogeniškumas gydymo poveikį, siekiant suteikti užuominų apie tai, kaip gydymas veikia, kaip ji gali būti patobulinta, ir kaip ji gali būti nukreipta į tuos, daugiausia tikėtina, kad naudos.

Du pavyzdžiai heterogeniškumo gydymo poveikį socialinių normų ir energijos vartojimo požiūriu iš papildomų tyrimų dėl namų energijos ataskaitose. Pirma, Allcott (2011) naudojo didelį Imties dydis (600.000 namų ūkių) ir toliau padalinti mėginį ir įvertinti Home energetikos ataskaitoje efektą decilės paruošiamojo apdorojimo energijos naudojimas. O Schultz et al. (2007) , aptinkami skirtumai tarp sunkiosios ir lengvosios vartotojų, Allcott (2011) nustatė, kad ten taip pat buvo skirtumų, kaip apibrėžta sunkiosios ir lengvosios naudotojų grupei. Pavyzdžiui, sunkiausios vartotojai (tie viršuje decilės) sumažino savo energijos suvartojimą dvigubai tiek, kiek kažkas į sunkiosios vartotojų grupės (4.7 pav) viduryje. Be to, vertinant efektą prieš gydymą elgesį taip pat atskleidė, kad ten buvo ne bumerango efektas net lengviausių vartotojų (4,7 pav.)

4.7 pav heterogeniškumas gydymo poveikį Allcott (2011). Į energijos vartojimo sumažėjimas buvo skirtingi žmonių iš įvairių decilėse nuo pradinio naudojimo.

4.7 pav heterogeniškumas gydymo poveikį Allcott (2011) . Į energijos vartojimo sumažėjimas buvo skirtingi žmonių iš įvairių decilėse nuo pradinio naudojimo.

Be susijusios studijos, Costa and Kahn (2013) spėliojo, kad namų energijos ataskaitoje veiksmingumas gali skirtis priklausomai nuo dalyvio politinės ideologijos ir kad gydymas iš tikrųjų gali sukelti žmonių su tam tikrų ideologijų padidinti savo elektros energijos naudojimą. Kitaip tariant, jie spėja, kad namų energijos Ataskaitos gali būti sukurti bumerango efekto kai kurių tipų žmonių. Siekiant įvertinti šią galimybę, Kosta ir Kahnas sujungė Opower duomenis su įsigytų iš trečiųjų šalių agregatora kad įtraukti informaciją, pavyzdžiui, politinių partijų registravimo, aukų aplinkai organizacijų ir namų ūkio dalyvavimo atsinaujinančių energijos programų duomenis. Su šiuo susijungusios rinkinį, Kosta ir Kahnas pripažino, kad namų energijos Ataskaitos gaminami su labai panašiais poveikį dalyvių su įvairiais ideologijų; nėra įrodymų, kad bet kuri grupė eksponuojami bumerango poveikį (4,8 pav).

4.8 pav heterogeniškumas gydymo poveikių Kosta ir Kahn (2013). Apskaičiuota vidutinė gydymo poveikis visam mėginio -2,1% [-1,5%, -2,7%]. Derinant informaciją iš eksperimento informaciją apie namų ūkių, Kosta ir Kahnas (2013), naudojami statistinių modelių seriją įvertinti gydymo poveikį labai konkrečių žmonių grupių. Du įverčiai pateikti kiekvienai grupei, nes skaičiavimai priklauso nuo kintamųjų jie įtraukti į savo statistinius modelius (žr 4 ir modelį 6 3 ir 4 lentelėse modelis Costa ir Kahn (2013)). Kadangi šis pavyzdys iliustruoja, gydymo poveikis gali būti skirtingas skirtingiems žmonėms bei sąmatos gydymo poveikių, kurie ateina iš statistinių modelių gali priklausyti nuo tų modelių detales (Grimmer, Messing ir Westwood 2014).

4.8 pav heterogeniškumas gydymo poveikį Costa and Kahn (2013) . Apskaičiuota vidutinė gydymo poveikis visam mėginio -2,1% [-1,5%, -2,7%]. Derinant informaciją iš eksperimento informaciją apie namų ūkių, Costa and Kahn (2013) naudojo statistinius modelius serijos įvertinti gydymo poveikį labai konkrečių žmonių grupių. Du įverčiai pateikti kiekvienai grupei, nes skaičiavimai priklauso nuo kintamųjų jie įtraukti į savo statistinius modelius (žr 4 ir modelį 6 3 ir 4 lentelėse modelis Costa and Kahn (2013) ). Kadangi šis pavyzdys iliustruoja, gydymo poveikis gali būti skirtingas skirtingiems žmonėms bei sąmatos gydymo poveikių, kurie ateina iš statistinių modelių gali priklausyti nuo tų modelių detales (Grimmer, Messing, and Westwood 2014) .

Kadangi šie du pavyzdžiai iliustruoja, skaitmeniniame amžiuje, galime perkelti iš įvertinant vidutines gydymo poveikį įvertinant gydymo poveikio heterogeniškumas, nes mes galime daug daugiau dalyvių ir mes žinome daugiau apie tuos dalyvius. Žinios apie heterogeniškumo gydymo poveikių, gali padėti nukreipti iš gydymo kur ji yra efektyviausias, pateikti faktus, kurie skatina naujos teorijos plėtrą ir suteikti užuominų apie galimą mechanizmą, tema, į kurią dabar aš savo ruožtu.