4.4.2 Хетерогеноста на третман ефекти

Експерименти обично се мери просечната ефект, но ефектот може да биде различен за различни луѓе.

Втората клучна идеја за движење надвор од едноставна експерименти е хетерогеноста на третман ефекти. Експериментот на Schultz et al. (2007) силно се илустрира како ист третман може да има различни ефекти на различни видови на луѓе (Слика 4.4), но оваа анализа на хетерогеност е всушност сосема невообичаено за аналогни возраст експериментот. Повеќе аналогни возраст експерименти вклучуваат мал број на учесници, кои се сметаат за меѓусебно "елементи", бидејќи малку за нив се познати пред-третман. Во дигитални експерименти, сепак, овие ограничувања податоци се поретки, бидејќи истражувачите имаат тенденција да имаат повеќе учесници и знаат повеќе за нив. Во овој различни податоци на животната средина, може да се процени хетерогеноста на третман ефекти, со цел да обезбеди индиции за тоа како работи третман, како може да се подобри, и како таа може да биде насочена кон оние кои најмногу се најверојатно да имаат корист.

Два примери на хетерогеноста на третман ефекти во контекст на општествените норми и употреба на енергија доаѓаат од дополнителни истражувања за енергетика извештаи Home. Прво, Allcott (2011) користат големи големината на примерокот (600.000 домаќинства) и понатаму да се подели на примерок и да се процени ефектот на енергија Извештајот на дом од страна на десетина од користењето на енергија пред-третман. Додека Schultz et al. (2007) се најде разлики меѓу тешки и лесни корисници, Allcott (2011) покажа дека имаше и разлики во тешки и лесни корисникот група. На пример, најтешкиот корисници (оние во првите десетина) ја намали нивната употреба на енергија двапати онолку колку што некој во средината на тешки корисничка група (слика 4.7). Понатаму, проценка на ефектот од однесувањето на пред-третман, исто така, откри дека нема бумеранг ефект, дури и за најлесниот корисници (Слика 4.7).

Слика 4.7: Хетерогеноста на третман ефекти во Allcott (2011). Намалувањето на потрошувачката на енергија е различна за луѓето во различни десетини од основната употреба.

Слика 4.7: Хетерогеноста на третман ефекти во Allcott (2011) . Намалувањето на потрошувачката на енергија е различна за луѓето во различни десетини од основната употреба.

Во поврзани со студијата, Costa and Kahn (2013) шпекулира дека ефективноста на енергија Извештајот за дом може да се разликуваат врз основа на политичката идеологија на учесникот и дека третманот, всушност, може да предизвика луѓето со одредени идеологии да ја зголемат употребата на електрична енергија. Со други зборови, тие се шпекулира дека за енергетика извештаи за дом може да биде создавање на бумеранг ефект за некои видови на луѓе. За да се процени оваа можност, Коста и Кан се спои податоците Opower со податоци купени од агрегатор од трети лица кои се вклучени информации како што се регистрација на политичка партија, донации на еколошките организации, како и учеството на домаќинствата во програмите за обновливи извори на енергија. Со оваа спои базата, Коста и Кан откри дека за енергетика извештаи за домашно голема мера слични ефекти за учесници со различни идеологии; не постои доказ дека било која група изложени бумеранг ефект (слика 4.8).

Слика 4.8: Хетерогеноста на третман ефекти во Коста и Кан (2013). проценетата просечна третман ефект за целиот примерок е -2,1% [-1,5%, -2,7%]. Со комбинирање на информации од експериментот со информации за домаќинствата, Коста и Кан (2013) кој се користи серија на статистички модели за да се процени ефектот на третманот за многу специфични групи на луѓе. Две проценки се дадени за секоја група, бидејќи проценките зависи од covariates тие се вклучени во нивните статистички модели (види моделот 4 и моделот 6 во Табела 3 и Табела 4 во Коста и Кан (2013)). Како овој пример ги илустрира третман ефекти можат да бидат различни за различни луѓе и проценки на третман ефекти кои доаѓаат од статистички модели може да зависи од детали на овие модели (полоша, месинг, и Вествуд 2014).

Слика 4.8: Хетерогеноста на третман ефекти во Costa and Kahn (2013) . проценетата просечна третман ефект за целиот примерок е -2,1% [-1,5%, -2,7%]. Со комбинирање на информации од експериментот со информации за домаќинствата, Costa and Kahn (2013) користи серија од статистички модели за да се процени ефектот на третманот за многу специфични групи на луѓе. Две проценки се дадени за секоја група, бидејќи проценките зависи од covariates тие се вклучени во нивните статистички модели (види моделот 4 и моделот 6 во Табела 3 и Табела 4 во Costa and Kahn (2013) ). Како овој пример ги илустрира третман ефекти можат да бидат различни за различни луѓе и проценки на третман ефекти кои доаѓаат од статистички модели може да зависи од детали за овие модели (Grimmer, Messing, and Westwood 2014) .

Како овие два примери илустрираат, во дигиталната ера, ние може да се движи од Процена на просечното ефекти третман за проценка на хетерогеноста на третман ефекти, затоа што може да има многу повеќе учесници и знаеме повеќе за оние учесници. Учиме за хетерогеноста на третман ефекти може да им овозможи насочување на третман, каде што е најефикасен, обезбеди факти кои го стимулираат развојот на нови теорија, и да се обезбеди совети за можниот механизам, тема на која што сега се сврти.