4.4.2 neviendabīgums ārstēšanas efektu

Eksperimenti parasti mērīt vidējo iedarbību, bet efekts var būt atšķirīgs dažādiem cilvēkiem.

Otrs galvenais ideja atstājot aiz vienkāršiem eksperimentiem ir neviendabīgums ārstēšanas efektu. Par eksperiments Schultz et al. (2007) spēcīgi parāda, kā pats ārstēšana var būt dažāda ietekme uz dažādiem cilvēkiem (attēls 4.4), taču šī analīze neviendabība ir samērā neparasts par analogo vecuma eksperimentu. Lielākā daļa analogās vecuma eksperimenti ietver nelielu dalībnieku skaitu, kas tiek uzskatītas par savstarpēji aizvietojamu "widgets", jo maz par viņiem ir zināms pirmapstrādi. Digitālajās eksperimentiem, tomēr šie dati ierobežojumi ir mazāk izplatīta, jo pētnieki mēdz būt vairāk dalībnieku un uzzināt vairāk par viņiem. Šajā citā datu vidē, mēs varam novērtēt neviendabīgumu ārstēšanas iedarbību, lai nodrošinātu clues par to, kā attīrīšanas iekārtas, kā to var uzlabot, un kā to var mērķtiecīgi tiem galvenokārt varētu gūt labumu.

Divi piemēri neviendabīgumu ārstēšanas ietekmes kontekstā sociālajām normām un enerģijas izmantošanu nāk no papildu pētījumu par mājas enerģijas ziņojumos. Pirmkārt, Allcott (2011) izmantoja lielo izlases lielumu (600,000 mājsaimniecības), lai vēl vairāk sadalīt paraugu un novērtēt ietekmi Home Energy ziņojumu, decile no pirmapstrādes enerģijas patēriņu. Kamēr Schultz et al. (2007) atrastas atšķirības starp smago un vieglo lietotājiem, Allcott (2011) atklāja, ka pastāv arī atšķirības smago un vieglo lietotāju grupā. Piemēram, smagākā lietotāji (tie top decile) samazināja enerģijas patēriņu divreiz vairāk kā kāds vidū smago lietotāju grupas (attēls 4.7). Tālāk, novērtējot ietekmi pirmapstrādē uzvedību arī atklāja, ka tur nebija bumeranga efekts pat vieglākajiem lietotājiem (4.7 attēls).

4.7 attēls: neviendabīgums ārstēšanas efektu Allcott (2011). Ar enerģijas patēriņa samazinājums bija atšķirīgs cilvēkiem dažādās decilēs sākotnējais izmantošanu.

4.7 attēls: neviendabīgums ārstēšanas efektu Allcott (2011) . Ar enerģijas patēriņa samazinājums bija atšķirīgs cilvēkiem dažādās decilēs sākotnējais izmantošanu.

Līdzīgā pētījumā Costa and Kahn (2013) spekulējis, ka efektivitāte Home Energy ziņojumā varētu mainīties atkarībā no dalībnieka politisko ideoloģiju un ka attieksme tiešām var izraisīt cilvēki ar noteiktām ideoloģijām palielināt savu elektroenerģijas patēriņu. Citiem vārdiem sakot, viņi spekulējis ka Home Energy ziņojumi var radīt bumeranga efektu dažiem cilvēku tipiem. Lai novērtētu šo iespēju, Costa un Kahn apvienoja Opower datus ar datiem, kas iegādāti no trešās puses apkopotājs, kas ietvēra informāciju, piemēram, politisko partiju reģistrācijas ziedojumiem vides organizācijām, un mājsaimniecību dalība atjaunojamās enerģijas programmās. Ar šo apvienotā datu kopas, Costa un Kahn konstatēja, ka mājas enerģijas Reports ražo plaši līdzīgas sekas dalībniekiem ar dažādām ideoloģijām; nebija pierādījumu, ka jebkura grupa izstādīti Boomerang efektu (attēls 4.8).

Attēls 4.8: neviendabīgums ārstēšanas ietekmi Costa un Kahn (2013). Aprēķinātais vidējais ārstēšanas efekts uz visu paraugā ir -2.1% [-1.5%, -2.7%]. Apvienojot informāciju no eksperimenta ar informāciju par mājsaimniecībām, Costa un Kāns (2013) izmanto virkni statistikas modeļus, lai novērtētu ārstēšanas efektu ļoti konkrētām cilvēku grupām. Abām ir iesniegta katrai grupai, jo aprēķini ir atkarīgi no savstarpējo atšķirību tie iekļauti to statistikas modeļiem (sk Modelis 4 un modeli 6 3. un 4. tabulā Costa un Kahn (2013)). Tā kā šis piemērs ilustrē, ārstēšanas sekas var būt atšķirīgs dažādiem cilvēkiem un aplēsēm ārstēšanas ietekmes, kas nāk no statistikas modeļiem, var būt atkarīgs no detaļām šiem modeļiem (grimmer, Messing, un Westwood 2014).

Attēls 4.8: neviendabīgums ārstēšanas ietekmi Costa and Kahn (2013) . Aprēķinātais vidējais ārstēšanas efekts uz visu paraugā ir -2.1% [-1.5%, -2.7%]. Apvienojot informāciju no eksperimenta ar informāciju par mājsaimniecībām, Costa and Kahn (2013) izmanto virkni statistikas modeļus, lai novērtētu ārstēšanas efektu ļoti konkrētām cilvēku grupām. Abām ir iesniegta katrai grupai, jo aprēķini ir atkarīgi no savstarpējo atšķirību tie iekļauti to statistikas modeļiem (sk Modelis 4 un modeli 6 3. un 4. tabulā in Costa and Kahn (2013) ). Tā kā šis piemērs ilustrē, ārstēšanas sekas var būt atšķirīgs dažādiem cilvēkiem un aplēsēm ārstēšanas ietekmes, kas nāk no statistikas modeļiem, var būt atkarīgs no detaļām šiem modeļiem (Grimmer, Messing, and Westwood 2014) .

Tā kā šie divi piemēri ilustrē, digitālajā laikmetā, mēs varam pāriet no aplēšot vidējās ārstēšanas sekas, lai novērtētu neviendabīgumu ārstēšanas efektu, jo mēs varam būt daudz vairāk dalībnieku, un mēs zinām vairāk par šiem dalībniekiem. Mācības par neviendabīgumu ārstēšanas efektu var dot iespēju mērķtiecīgi no ārstēšanas, ja tas ir visefektīvākais, sniegt faktus, kas stimulē jaunu teoriju attīstību, un sniegt padomus par iespējamo mehānismu, tēmu, uz kuru es pievēršos.