4.4.2 Kepelbagaian kesan rawatan

Eksperimen biasanya mengukur kesan purata, tetapi kesannya boleh berbeza untuk orang yang berbeza.

Idea utama yang kedua untuk bergerak di luar eksperimen mudah adalah kepelbagaian kesan rawatan. Eksperimen Schultz et al. (2007) kuat menggambarkan bagaimana layanan yang sama boleh mempunyai kesan yang berbeza pada pelbagai jenis orang (Rajah 4.4), tetapi analisis ini kepelbagaian sebenarnya agak luar biasa bagi satu eksperimen umur analog. Kebanyakan uji kaji umur analog melibatkan sebilangan kecil peserta yang dianggap sebagai boleh ditukar ganti "widget" kerana sedikit tentang mereka dikenali pra-rawatan. Dalam eksperimen digital, bagaimanapun, kekangan data adalah kurang biasa kerana penyelidik cenderung mempunyai lebih banyak peserta dan mengetahui lebih lanjut mengenai mereka. Dalam persekitaran data yang berbeza ini, kita boleh menganggarkan kepelbagaian kesan rawatan untuk memberikan petunjuk tentang bagaimana rawatan yang berfungsi, bagaimana ia boleh diperbaiki, dan bagaimana ia boleh disasarkan kepada mereka yang kebanyakannya mungkin mendapat manfaat.

Dua contoh kepelbagaian kesan rawatan dalam konteks norma-norma sosial dan penggunaan tenaga datang dari kajian tambahan mengenai Home Energy Laporan. Pertama, Allcott (2011) digunakan saiz sampel yang besar (600,000 isi rumah) untuk berpecah lagi sampel dan menganggarkan kesan Laporan Energy Home by decile pra-rawatan penggunaan tenaga. Walaupun Schultz et al. (2007) mendapati perbezaan antara pengguna berat dan ringan, Allcott (2011) mendapati bahawa terdapat juga perbezaan dalam kumpulan pengguna yang berat dan ringan adalah. Sebagai contoh, pengguna yang paling berat (orang-orang di decile atas) mengurangkan penggunaan tenaga mereka dua kali lipat banyaknya seseorang di tengah-tengah kumpulan pengguna berat (Rajah 4.7). Selanjutnya, menganggarkan kesan dengan tingkah laku pra-rawatan juga mendedahkan bahawa tidak ada kesan boomerang walaupun untuk pengguna ringan (Rajah 4.7).

Rajah 4.7: Kepelbagaian kesan rawatan di Allcott (2011). Pengurangan dalam penggunaan tenaga adalah berbeza bagi orang yang dalam deciles berbeza penggunaan asas.

Rajah 4.7: Kepelbagaian kesan rawatan di Allcott (2011) . Pengurangan dalam penggunaan tenaga adalah berbeza bagi orang yang dalam deciles berbeza penggunaan asas.

Dalam satu kajian yang berkaitan, Costa and Kahn (2013) membuat spekulasi bahawa keberkesanan Laporan Tenaga Dalam Negeri boleh berbeza-beza mengikut ideologi politik peserta dan bahawa rawatan yang sebenarnya mungkin menyebabkan orang yang mempunyai ideologi tertentu untuk meningkatkan penggunaan elektrik mereka. Dalam erti kata lain, mereka membuat spekulasi bahawa Home Laporan Tenaga mungkin mewujudkan kesan boomerang bagi sesetengah jenis orang. Untuk menilai kemungkinan ini, Costa dan Kahn digabungkan data Opower dengan data dibeli daripada aggregator pihak ketiga yang termasuk maklumat seperti pendaftaran parti politik, derma kepada organisasi alam sekitar, dan penyertaan isi rumah dalam program tenaga boleh diperbaharui. Dengan set data digabungkan ini, Costa dan Kahn mendapati bahawa Home Laporan Tenaga yang dihasilkan kesan meluas yang sama untuk peserta yang mempunyai ideologi yang berbeza; tidak ada bukti bahawa mana-mana kumpulan menunjukkan kesan boomerang (Rajah 4.8).

Rajah 4.8: Kepelbagaian kesan rawatan di Costa dan Kahn (2013). Jangkaan purata kesan rawatan bagi keseluruhan sampel adalah -2.1% [-1,5%, -2.7%]. Dengan menggabungkan maklumat daripada eksperimen dengan maklumat mengenai isi rumah, Costa dan Kahn (2013) yang digunakan siri model statistik untuk menganggarkan kesan rawatan untuk kumpulan yang sangat khusus orang. Dua anggaran ditunjukkan untuk setiap kumpulan kerana anggaran bergantung kepada covariates mereka termasuk dalam model statistik mereka (lihat model 4 dan model 6 dalam Jadual 3 dan Jadual 4 di Costa dan Kahn (2013)). Sebagai contoh ini menggambarkan, kesan rawatan boleh berbeza untuk orang yang berbeza dan anggaran kesan rawatan yang datang dari model statistik boleh bergantung pada maklumat dari orang-orang model (Grimmer, Messing, dan Westwood 2014).

Rajah 4.8: Kepelbagaian kesan rawatan di Costa and Kahn (2013) . Jangkaan purata kesan rawatan bagi keseluruhan sampel adalah -2.1% [-1,5%, -2.7%]. Dengan menggabungkan maklumat daripada eksperimen dengan maklumat mengenai isi rumah, Costa and Kahn (2013) digunakan satu siri model statistik untuk menganggarkan kesan rawatan untuk kumpulan yang sangat khusus orang. Dua anggaran ditunjukkan untuk setiap kumpulan kerana anggaran bergantung kepada covariates mereka termasuk dalam model statistik mereka (lihat model 4 dan model 6 dalam Jadual 3 dan Jadual 4 di Costa and Kahn (2013) ). Sebagai contoh ini menggambarkan, kesan rawatan boleh berbeza untuk orang yang berbeza dan anggaran kesan rawatan yang datang dari model statistik boleh bergantung kepada butir-butir orang-orang model (Grimmer, Messing, and Westwood 2014) .

Kerana kedua-dua contoh menggambarkan, dalam era digital, kita boleh bergerak dari menganggarkan kesan rawatan purata untuk menganggarkan kepelbagaian kesan rawatan kerana kita boleh mempunyai banyak lebih ramai peserta dan kami lebih tahu mengenai peserta. Belajar mengenai kepelbagaian kesan rawatan boleh membolehkan mensasarkan rawatan di mana ia adalah yang paling berkesan, menyediakan fakta-fakta yang merangsang pembangunan teori baru, dan memberikan petunjuk tentang mekanisme mungkin, topik yang saya beralih pula.