4.4.2 उपचार प्रभाव Heterogeneity

परीक्षणहरू सामान्यतया औसत प्रभाव मापन, तर प्रभाव फरक मान्छे को लागि अलग अलग हुन सक्छन्।

सरल प्रयोगहरू परे सार्नका लागि दोस्रो प्रमुख विचार उपचार प्रभाव heterogeneity छ। को प्रयोग Schultz et al. (2007) शक्तिशाली नै उपचार मान्छे (चित्रा 4.4) को विभिन्न प्रकार मा अलग अलग प्रभाव कसरी हुन सक्छ देखाउँछ, तर heterogeneity को यो विश्लेषण एक एनालग उमेर प्रयोग लागि एकदम असामान्य वास्तवमा छ। सबैभन्दा अनुरूप उमेर प्रयोगहरू परस्पर "विजेट" रूपमा व्यवहार गरिन्छ तिनीहरूलाई बारेमा सानो पूर्व-उपचार ज्ञात छ किनभने सहभागी एक सानो संख्या पनि सम्बन्धित छन्। डिजिटल प्रयोगहरू मा तथापि, यी डाटा अवरोध अनुसन्धानकर्ताहरूले थप सहभागी छन् र तिनीहरूलाई अझ बढी जान्न गर्छन किनभने कम साधारण हो। यो विभिन्न डाटा वातावरण, हामी उपचार यसलाई सुधार गर्न सकिन्छ कसरी, काम गर्दछ, र कसरी यो ज्यादातर लाभ उठाउन संभावना ती लक्षित गर्न सकिन्छ भन्ने बारेमा छनकहरू प्रदान गर्न उपचार प्रभाव heterogeneity अनुमान गर्न सक्नुहुन्छ।

सामाजिक मान्यता पनि र ऊर्जा प्रयोग को सन्दर्भ मा उपचार प्रभाव heterogeneity दुई उदाहरणहरू गृह ऊर्जा रिपोर्टमा थप अनुसन्धान बाट आउँछन्। पहिलो, Allcott (2011) थप नमूना विभाजित र पूर्व-उपचार ऊर्जा उपयोग को decile गरेर घर ऊर्जा रिपोर्ट को प्रभाव अनुमान गर्न ठूलो नमूना आकार (6,00,000 घरपरिवारले) प्रयोग। जबकि Schultz et al. (2007) फेला भारी र प्रकाश प्रयोगकर्ताहरू बीच मतभेद, Allcott (2011) पनि भारी र प्रकाश प्रयोगकर्ता समूह भित्र मतभेद थिए फेला परेन। उदाहरणका लागि, भारी प्रयोगकर्ता (शीर्ष decile ती) ऊर्जा प्रयोग भारी प्रयोगकर्ता समूह (चित्रा 4.7) को बीचमा कसैले रूपमा दुई पटक धेरै रूपमा कम। यसबाहेक, पूर्व-उपचार व्यवहार गरेर प्रभाव अनुमान पनि पनि lightest प्रयोगकर्ता (चित्रा 4.7) को लागि एक Boomerang प्रभाव छैन थियो कि प्रकट गर्नुभयो।

चित्रा 4.7: Allcott (2011) मा उपचार प्रभाव Heterogeneity। ऊर्जा प्रयोग मा कमी आधारलाइन उपयोग विभिन्न deciles मा मान्छे को लागि फरक थियो।

चित्रा 4.7: मा उपचार प्रभाव Heterogeneity Allcott (2011) । ऊर्जा प्रयोग मा कमी आधारलाइन उपयोग विभिन्न deciles मा मान्छे को लागि फरक थियो।

सम्बन्धित अध्ययन, Costa and Kahn (2013) गृह ऊर्जा रिपोर्ट प्रभावकारिता एक सहभागीले राजनैतिक विचारधारा र उपचार वास्तवमा केही विचारधाराबाट मानिसहरूलाई आफ्नो बिजुली प्रयोग बढाउन सक्छ आधारित भिन्न सक्ने speculated। अर्को शब्दमा, तिनीहरूले घर ऊर्जा रिपोर्टहरू मान्छे केही प्रकार को लागि एक Boomerang प्रभाव सिर्जना गर्न सक्छ speculated। यो सम्भावना आकलन गर्न, कोस्टा र Kahn यस्तो राजनीतिक पार्टी दर्ता, वातावरण संगठनका लागि चन्दा र नवीकरणीय ऊर्जा कार्यक्रम मा घरेलू सहभागिता रूपमा जानकारी समावेश गर्ने तेस्रो-पक्ष समष्टिकर्ता देखि खरिद डाटा संग Opower डाटा मर्ज। यो मर्ज डेटासेटको संग, कोस्टा र Kahn गृह ऊर्जा प्रतिवेदन फरक विचारधाराबाट संग सहभागीहरू लागि मोटे समान प्रभाव उत्पादन भेट्टाए; त्यहाँ कुनै पनि समूह Boomerang प्रभाव (चित्रा 4.8) प्रदर्शन भनेर कुनै प्रमाण थियो।

चित्रा 4.8: कोस्टा र Kahn (2013) मा उपचार प्रभाव Heterogeneity। सम्पूर्ण नमूना लागि अनुमानित उपचार प्रभाव -2.1% [-1,5%, -2.7%] छ। यस घरपरिवारले बारेमा जानकारी संग प्रयोग जानकारी संयोजन गरेर, कोस्टा र Kahn (2013) मान्छे को धेरै विशिष्ट समूह लागि उपचार प्रभाव अनुमान गर्न तथ्याङ्क मोडेल को एक श्रृंखला प्रयोग। यो अनुमान तिनीहरूले तथ्याङ्क मोडेल मा समावेश covariates निर्भर किनभने दुई अनुमान प्रत्येक समूहको लागि प्रस्तुत छ (हेर्नुहोस् 4 र मोडेल तालिका 3 र तालिका 4 मा 6 मोडेल कोस्टा र Kahn (2013) मा)। यो उदाहरण देखाउँछ रूपमा, उपचार प्रभाव तथ्याङ्क मोडेल आउने ती मोडेल विवरण भर पर्न सक्छौं विभिन्न व्यक्ति र उपचार प्रभाव को अनुमान लागि अलग अलग हुन सक्छन् (Grimmer, खिलवाड, र वेस्टवुड 2014)।

चित्रा 4.8: मा उपचार प्रभाव Heterogeneity Costa and Kahn (2013) । सम्पूर्ण नमूना लागि अनुमानित उपचार प्रभाव -2.1% [-1,5%, -2.7%] छ। यस घरपरिवारले बारेमा जानकारी संग प्रयोग जानकारी संयोजन गरेर, Costa and Kahn (2013) मान्छे को धेरै विशिष्ट समूह लागि उपचार प्रभाव अनुमान गर्न तथ्याङ्क मोडेल को एक श्रृंखला प्रयोग। यो अनुमान तिनीहरूले तथ्याङ्क मोडेल मा समावेश covariates निर्भर किनभने दुई अनुमान प्रत्येक समूहको लागि प्रस्तुत छ (हेर्नुहोस् 4 र मोडेल तालिका 3 र तालिका 4 मा 6 मोडेल मा Costa and Kahn (2013) )। यो उदाहरण देखाउँछ रूपमा, उपचार प्रभाव तथ्याङ्क मोडेल आउने ती मोडेल विवरण भर पर्न सक्छौं विभिन्न व्यक्ति र उपचार प्रभाव को अनुमान लागि अलग अलग हुन सक्छन् (Grimmer, Messing, and Westwood 2014)

यी दुई उदाहरण चित्रण रूपमा, डिजिटल युगमा हामी धेरै सहभागीहरू हुन सक्छ किनभने र हामी ती सहभागीहरू अझ बढी जान्न उपचार प्रभाव को heterogeneity अनुमान गर्न औसत उपचार प्रभाव अनुमान देखि गर्न सक्छ। उपचार प्रभाव heterogeneity सिकेर जहाँ यो सबैभन्दा प्रभावकारी हुन्छ एक उपचार को लक्षित सक्षम, उत्तेजित नयाँ सिद्धान्त विकास तथ्य प्रदान गर्न सक्छन्, र एक सम्भव संयन्त्र, जो म अहिले बारी गर्न विषयको बारेमा आशय प्रदान।