4.4.2 ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ

ਤਜ਼ਰਬੇ ਆਮ ਤੌਰ 'ਤੇ ਔਸਤ ਪ੍ਰਭਾਵ ਨੂੰ ਮਾਪਣ, ਪਰ ਅਸਰ-ਵੱਖ ਲੋਕ ਲਈ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦਾ ਹੈ.

ਸਧਾਰਨ ਹੈ ਪ੍ਰਯੋਗ ਪਰੇ ਹਿਲਾਉਣ ਲਈ ਦੂਜਾ ਕੁੰਜੀ ਵਿਚਾਰ ਨੂੰ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਹੈ. ਦੇ ਤਜਰਬੇ Schultz et al. (2007) ਵਧੀਆ ਲੱਗਦਾ ਹੈ ਕਿ ਉਸੇ ਇਲਾਜ ਲੋਕ (ਚਿੱਤਰ 4.4) ਦੇ ਵੱਖ-ਵੱਖ ਕਿਸਮ ਦੇ 'ਤੇ ਵੱਖ-ਵੱਖ ਪ੍ਰਭਾਵ ਪੈ ਸਕਦਾ ਹੈ, ਪਰ ਸੰਸਿਤੀ ਦੇ ਇਸ ਵਿਸ਼ਲੇਸ਼ਣ ਦਾ ਇੱਕ ਐਨਾਲਾਗ ਦੀ ਉਮਰ ਤਜਰਬੇ ਲਈ ਅਸਲ ਵਿੱਚ ਕਾਫ਼ੀ ਅਜੀਬ ਹੈ. ਜ਼ਿਆਦਾਤਰ ਐਨਾਲਾਗ ਦੀ ਉਮਰ ਪ੍ਰਯੋਗ ਹੈ, ਜੋ ਕਿ interchangeable "ਵਿਦਗਿਟ" ਦੇ ਤੌਰ ਤੇ ਇਲਾਜ ਕੀਤਾ ਰਹੇ ਹਨ, ਕਿਉਕਿ ਉਹ ਇਸ ਬਾਰੇ ਬਹੁਤ ਘੱਟ ਪ੍ਰੀ-ਇਲਾਜ ਤੇ ਜਾਣਿਆ ਗਿਆ ਹੈ ਹਿੱਸਾ ਲੈਣ ਦੀ ਇੱਕ ਛੋਟੀ ਜਿਹੀ ਗਿਣਤੀ ਨੂੰ ਸ਼ਾਮਲ. ਡਿਜ਼ੀਟਲ ਪ੍ਰਯੋਗ ਵਿੱਚ, ਪਰ, ਇਹ ਡਾਟਾ ਸੀਮਿਤ ਘੱਟ ਆਮ ਕਰਕੇ ਖੋਜਕਾਰ ਹੋਰ ਹਿੱਸਾ ਲੈਣ ਦੀ ਹੈ ਅਤੇ ਉਹ ਇਸ ਬਾਰੇ ਹੋਰ ਪਤਾ ਹੈ ਕਰਨ ਲਈ ਹੁੰਦੇ ਹਨ ਹਨ. ਇਸ ਨੂੰ ਵੱਖਰੀ ਡਾਟਾ ਨੂੰ ਵਾਤਾਵਰਨ ਵਿੱਚ, ਸਾਨੂੰ ਨੂੰ ਇਲਾਜ ਕੰਮ ਕਰਦਾ ਹੈ, ਇਸ ਨੂੰ ਸੁਧਾਰ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ, ਅਤੇ ਇਸ ਨੂੰ ਵਿੱਚ ਜਿਆਦਾਤਰ ਨੂੰ ਲਾਭ ਦੀ ਸੰਭਾਵਨਾ ਵਾਲੇ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਇਆ ਜਾ ਸਕਦਾ ਹੈ, ਬਾਰੇ ਸੁਰਾਗ ਮੁਹੱਈਆ ਕਰਨ ਲਈ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਪਾ ਸਕਦਾ ਹੈ.

ਸਮਾਜਿਕ ਨਿਯਮ ਅਤੇ ਊਰਜਾ ਵਰਤਣ ਦੇ ਪ੍ਰਸੰਗ ਵਿਚ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਦੇ ਦੋ ਉਦਾਹਰਣ ਮੁੱਖ ਊਰਜਾ ਰਿਪੋਰਟ 'ਤੇ ਵਾਧੂ ਰਿਸਰਚ ਤੱਕ ਆ. ਪਹਿਲੀ, Allcott (2011) ਵੱਡਾ ਨਮੂਨਾ ਦਾ ਆਕਾਰ (600,000 ਘਰ) ਵਰਤਿਆ ਨੂੰ ਹੋਰ ਨਮੂਨਾ ਵੰਡ ਅਤੇ ਪ੍ਰੀ-ਇਲਾਜ ਊਰਜਾ ਦੇ ਉਪਯੋਗ ਦੇ decile ਕੇ ਮੁੱਖ ਊਰਜਾ ਦੀ ਰਿਪੋਰਟ ਦੇ ਪ੍ਰਭਾਵ ਦਾ ਅੰਦਾਜ਼ਾ ਹੈ. ਜਦਕਿ Schultz et al. (2007) ਨੂੰ ਮਿਲਿਆ ਭਾਰੀ ਅਤੇ ਹਲਕਾ ਉਪਭੋਗੀ ਵਿੱਚ ਅੰਤਰ, Allcott (2011) ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਉੱਥੇ ਇਹ ਵੀ ਭਾਰੀ ਅਤੇ ਹਲਕਾ ਉਪਭੋਗੀ ਗਰੁੱਪ ਦੇ ਅੰਦਰ ਮਤਭੇਦ ਸਨ. ਉਦਾਹਰਨ ਲਈ, ਤਵੱਧ ਉਪਭੋਗੀ (ਚੋਟੀ ਦੇ decile ਵਿਚ ਜਿਹੜੇ) ਭਾਰੀ ਉਪਭੋਗੀ ਗਰੁੱਪ (ਚਿੱਤਰ 4.7) ਦੇ ਮੱਧ ਵਿੱਚ ਕਿਸੇ ਨੂੰ ਦੇ ਤੌਰ ਤੇ ਦੋ ਵਾਰ ਦੇ ਤੌਰ ਤੇ ਬਹੁਤ ਆਪਣੇ ਊਰਜਾ ਦੀ ਵਰਤੋ ਨੂੰ ਘੱਟ. ਅੱਗੇ, ਪ੍ਰੀ-ਇਲਾਜ ਵਿਵਹਾਰ ਨੂੰ ਦੇ ਕੇ ਪ੍ਰਭਾਵ ਦਾ ਅਨੁਮਾਨ ਇਹ ਵੀ ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਉੱਥੇ ਵੀ lightest ਉਪਭੋਗੀ (ਚਿੱਤਰ 4.7) ਲਈ ਇੱਕ Boomerang ਅਸਰ ਨਹੀ ਸੀ.

ਚਿੱਤਰ 4.7: Allcott (2011) ਵਿਚ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ. ਊਰਜਾ ਵਰਤਣ ਵਿੱਚ ਕਮੀ ਬੇਸਲਾਈਨ ਦੇ ਉਪਯੋਗ ਦੇ ਵੱਖ-ਵੱਖ deciles ਵਿੱਚ ਲੋਕ ਲਈ ਵੱਖ-ਵੱਖ ਸੀ.

ਚਿੱਤਰ 4.7 ਵਿਚ: ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ Allcott (2011) . ਊਰਜਾ ਵਰਤਣ ਵਿੱਚ ਕਮੀ ਬੇਸਲਾਈਨ ਦੇ ਉਪਯੋਗ ਦੇ ਵੱਖ-ਵੱਖ deciles ਵਿੱਚ ਲੋਕ ਲਈ ਵੱਖ-ਵੱਖ ਸੀ.

ਨੂੰ ਇੱਕ ਨਾਲ ਸਬੰਧਤ ਅਧਿਐਨ ਵਿੱਚ, Costa and Kahn (2013) ਹੈ, ਜੋ ਕਿ ਮੁੱਖ ਊਰਜਾ ਦੀ ਰਿਪੋਰਟ ਦੇ ਪ੍ਰਭਾਵ ਨੂੰ ਇੱਕ ਭਾਗੀਦਾਰ ਦੀ ਸਿਆਸੀ ਵਿਚਾਰਧਾਰਾ 'ਤੇ ਹੈ ਅਤੇ ਜੋ ਕਿ ਇਲਾਜ ਅਸਲ ਵਿੱਚ ਕੁਝ ਖਾਸ ਵਿਚਾਰਧਾਰਾ ਨਾਲ ਲੋਕ ਆਪਣੇ ਬਿਜਲੀ ਵਰਤਣ ਵਧਾਉਣ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ ਅਧਾਰਿਤ ਵੱਖ ਹੋ ਸਕਦਾ ਹੈ speculated ਕੀਤਾ ਹੈ. ਹੋਰ ਸ਼ਬਦ ਵਿੱਚ, ਉਹ speculated ਹੈ, ਜੋ ਕਿ ਮੁੱਖ ਊਰਜਾ ਰਿਪੋਰਟ ਕੁਝ ਲੋਕ ਕਿਸਮ ਲਈ ਇੱਕ Boomerang ਪ੍ਰਭਾਵ ਬਣਾਉਣ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ. ਇਸ ਸੰਭਾਵਨਾ ਦਾ ਜਾਇਜ਼ਾ ਕਰਨ ਲਈ, ਕੋਸਟਾਰੀਕਾ ਅਤੇ ਕਾਨ੍ਹ ਇੱਕ ਤੀਜੀ-ਪਾਰਟੀ ਇੱਕਠ, ਜੋ ਕਿ ਅਜਿਹੇ ਸਿਆਸੀ ਪਾਰਟੀ ਰਜਿਸਟਰੇਸ਼ਨ, ਵਾਤਾਵਰਣ ਸੰਗਠਨ ਨੂੰ ਦਾਨ ਹੈ, ਅਤੇ ਅਕਸ਼ੈ ਊਰਜਾ ਪ੍ਰੋਗਰਾਮ ਵਿਚ ਪਰਿਵਾਰ ਨੂੰ ਸ਼ਮੂਲੀਅਤ ਦੇ ਤੌਰ ਤੇ ਜਾਣਕਾਰੀ ਸ਼ਾਮਲ ਤੱਕ ਖਰੀਦਿਆ ਡਾਟੇ ਨਾਲ Opower ਡਾਟਾ ਲੀਨ. ਇਸ ਸ਼ਮੂਲੀਅਤ dataset ਨਾਲ, ਕੋਸਟਾਰੀਕਾ ਅਤੇ ਕਾਨ੍ਹ ਪਤਾ ਲੱਗਿਆ ਹੈ ਕਿ ਮੁੱਖ ਊਰਜਾ ਰਿਪੋਰਟ ਪੇਸ਼ ਕੀਤਾ ਵੱਖ-ਵੱਖ ਵਿਚਾਰਧਾਰਾ ਨਾਲ ਹਿੱਸਾ ਲੈਣ ਲਈ ਮੁੱਖ ਰੂਪ 'ਇਸੇ ਪ੍ਰਭਾਵ; ਕੋਈ ਸਬੂਤ ਹੈ, ਜੋ ਕਿ ਕਿਸੇ ਵੀ ਗਰੁੱਪ ਦਾ Boomerang ਪ੍ਰਭਾਵ (ਚਿੱਤਰ 4.8) ਪਰਦਰਸ਼ਿਤ ਸੀ.

ਚਿੱਤਰ 4.8: ਕੋਸਟਾਰੀਕਾ ਅਤੇ ਕਾਨ੍ਹ (2013) ਵਿਚ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ. ਸਾਰੀ ਨਮੂਨਾ ਲਈ ਅੰਦਾਜ਼ਨ ਔਸਤ ਦੇ ਇਲਾਜ ਦਾ ਅਸਰ -2,1% [-1,5%, -2,7%] ਹੈ. ਪਰਿਵਾਰ ਦੇ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਤਜਰਬੇ ਦੀ ਜਾਣਕਾਰੀ ਦਾ ਸੰਯੋਗ ਹੈ ਕੇ, ਕੋਸਟਾਰੀਕਾ ਅਤੇ ਕਾਨ੍ਹ (2013) ਲੋਕ ਬਹੁਤ ਹੀ ਖਾਸ ਗਰੁੱਪ ਲਈ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦਾ ਅੰਦਾਜ਼ਾ ਕਰਨ ਲਈ ਅੰਕੜਾ ਮਾਡਲ ਦੀ ਇੱਕ ਲੜੀ ਵਰਤਿਆ. ਕਿਉਕਿ ਅਨੁਮਾਨ covariates ਉਹ ਆਪਣੇ ਅੰਕੜਾ ਮਾਡਲ ਵਿਚ ਸ਼ਾਮਲ ਤੇ ਨਿਰਭਰ ਦੋ ਅਨੁਮਾਨ ਹਰ ਗਰੁੱਪ ਲਈ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਨ (4 ਅਤੇ ਮਾਡਲ 6 ਸਾਰਣੀ 3 ਅਤੇ ਟੇਬਲ 4 ਵਿਚ ਮਾਡਲ ਕੋਸਟਾਰੀਕਾ ਅਤੇ ਕਾਨ੍ਹ (2013) ਵਿਚ ਦੇਖੋ). (Grimmer, ਛੇੜ, ਅਤੇ Westwood 2014) ਇਸ ਉਦਾਹਰਨ ਲੱਗਦਾ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ, ਇਲਾਜ ਪ੍ਰਭਾਵ ਵੱਖ-ਵੱਖ ਲੋਕ ਅਤੇ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਅਨੁਮਾਨ ਹੈ, ਜੋ ਕਿ ਅੰਕੜਾ ਮਾਡਲ ਤੱਕ ਆ ਜਿਹੜੇ ਮਾਡਲ ਦੇ ਵੇਰਵੇ 'ਤੇ ਨਿਰਭਰ ਕਰ ਸਕਦਾ ਹੈ ਲਈ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦਾ ਹੈ.

ਚਿੱਤਰ 4.8 ਵਿਚ: ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ Costa and Kahn (2013) . ਸਾਰੀ ਨਮੂਨਾ ਲਈ ਅੰਦਾਜ਼ਨ ਔਸਤ ਦੇ ਇਲਾਜ ਦਾ ਅਸਰ -2,1% [-1,5%, -2,7%] ਹੈ. ਪਰਿਵਾਰ ਦੇ ਬਾਰੇ ਜਾਣਕਾਰੀ ਦੇ ਨਾਲ ਤਜਰਬੇ ਦੀ ਜਾਣਕਾਰੀ ਦਾ ਸੰਯੋਗ ਹੈ ਕੇ, Costa and Kahn (2013) ਲੋਕ ਬਹੁਤ ਹੀ ਖਾਸ ਗਰੁੱਪ ਲਈ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦਾ ਅੰਦਾਜ਼ਾ ਕਰਨ ਲਈ ਅੰਕੜਾ ਮਾਡਲ ਦੀ ਇੱਕ ਲੜੀ ਵਰਤਿਆ. ਕਿਉਕਿ ਅਨੁਮਾਨ covariates ਉਹ ਆਪਣੇ ਅੰਕੜਾ ਮਾਡਲ ਵਿਚ ਸ਼ਾਮਲ ਤੇ ਨਿਰਭਰ ਦੋ ਅਨੁਮਾਨ ਹਰ ਗਰੁੱਪ ਲਈ ਪੇਸ਼ ਕਰ ਰਹੇ ਹਨ (4 ਅਤੇ ਮਾਡਲ 6 ਸਾਰਣੀ 3 ਅਤੇ ਟੇਬਲ 4 ਵਿੱਚ ਮਾਡਲ ਵਿੱਚ ਦੇਖਣ ਨੂੰ Costa and Kahn (2013) ). ਇਸ ਉਦਾਹਰਨ ਲੱਗਦਾ ਹੈ ਦੇ ਰੂਪ ਵਿੱਚ, ਇਲਾਜ ਪ੍ਰਭਾਵ ਵੱਖ-ਵੱਖ ਲੋਕ ਅਤੇ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਅਨੁਮਾਨ ਹੈ, ਜੋ ਕਿ ਅੰਕੜਾ ਮਾਡਲ ਤੱਕ ਆ ਜਿਹੜੇ ਮਾਡਲ ਦੇ ਵੇਰਵੇ 'ਤੇ ਨਿਰਭਰ ਕਰ ਸਕਦਾ ਹੈ ਲਈ ਵੱਖ-ਵੱਖ ਹੋ ਸਕਦਾ ਹੈ (Grimmer, Messing, and Westwood 2014) .

ਇਹ ਦੋ ਉਦਾਹਰਣ ਮਿਸਾਲ ਦੇ ਤੌਰ ਤੇ, ਡਿਜ਼ੀਟਲ ਦੀ ਉਮਰ ਵਿਚ, ਸਾਨੂੰ ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਅੰਦਾਜ਼ਾ ਸਾਨੂੰ ਹੋਰ ਬਹੁਤ ਸਾਰੇ ਹਿੱਸਾ ਲੈਣ ਹੋ ਸਕਦਾ ਹੈ ਅਤੇ ਸਾਨੂੰ ਉਹ ਹਿੱਸਾ ਲੈਣ ਬਾਰੇ ਹੋਰ ਪਤਾ ਹੈ, ਕਿਉਕਿ ਦਾ ਔਸਤ ਇਲਾਜ ਪ੍ਰਭਾਵ ਅੰਦਾਜ਼ਾ ਤੱਕ ਜਾਣ ਸਕਦੇ ਹੋ. ਇਲਾਜ ਪ੍ਰਭਾਵ ਦੇ ਸੰਸਿਤੀ ਬਾਰੇ ਸਿੱਖਣਾ ਇੱਕ ਇਲਾਜ ਹੈ, ਜਿੱਥੇ ਇਸ ਨੂੰ ਸਭ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਹੈ ਨਿਸ਼ਾਨਾ ਨੂੰ ਯੋਗ ਕਰ ਸਕਦੇ ਹੋ, ਜੋ ਕਿ ਤੱਥ ਨਵ ਥਿਊਰੀ ਦੇ ਵਿਕਾਸ ਨੂੰ ਉਤੇਜਤ ਮੁਹੱਈਆ ਹੈ, ਅਤੇ ਇੱਕ ਸੰਭਵ ਵਿਧੀ, ਵਿਸ਼ਾ ਮੈਨੂੰ ਹੁਣ, ਜੋ ਕਿ ਚਾਲੂ ਕਰਨ ਬਾਰੇ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ.