4.4.2 Heterogenost učinkov zdravljenja

Poskusi običajno merijo povprečni učinek, vendar učinek verjetno ni enak za vse.

Druga ključna ideja za preseganje preprostih poskusov je heterogenost učinkov zdravljenja . Poskus Schultz et al. (2007) močno ponazarja, kako lahko enako zdravljenje vpliva na različne vrste ljudi (slika 4.4). V večini analognih eksperimentov pa so se raziskovalci osredotočili na povprečne učinke zdravljenja, ker je bilo malo udeležencev in malo jih je bilo znano. V digitalnih eksperimentih pa je pogosto veliko več udeležencev in več o njih je znano. V tem drugem podatkovnem okolju raziskovalci, ki še naprej ocenjujejo le povprečne učinke zdravljenja, bodo zamudili načine, na podlagi katerih ocene o heterogenosti učinkov zdravljenja lahko zagotovijo podatke o tem, kako deluje zdravljenje, kako se lahko izboljša in kako je mogoče ciljati tistim, ki imajo najverjetneje koristi.

Dva primera heterogenosti učinkov zdravljenja izhajajo iz dodatnih raziskav v poročilih o energetiki. Prvič, Allcott (2011) uporabil velik obseg vzorca (600.000 gospodinjstev), da bi še naprej razdelil vzorec in ocenil učinek poročila o energetiki po decilju porabe energije pred obdelavo. Medtem ko Schultz et al. (2007) ugotavljajo razlike med težkimi in lahkimi uporabniki, Allcott (2011) ugotovil, da obstajajo tudi razlike v težki in lahki uporabniški skupini. Na primer, najtežji uporabniki (tisti v top decile) so zmanjšali porabo energije dvakrat toliko kot nekdo na sredini težkega uporabnika (slika 4.8). Poleg tega je ocena učinka s predhodnim zdravljenjem pokazala tudi, da ni bilo nobenega učinka bumeranga, tudi za najlažje uporabnike (slika 4.8).

Slika 4.8: Heterogenost učinkov zdravljenja v Allcott (2011) . Zmanjšanje porabe energije je bilo pri ljudeh v različnih decilih osnovne porabe drugačno. Prilagojeno od Allcott (2011) , slika 8.

V sorodni študiji sta Costa and Kahn (2013) izrazil mnenje, da se učinkovitost poročila o energetiki lahko razlikuje glede na politično ideologijo udeleženca in da lahko zdravljenje dejansko povzroči ljudem z določenimi ideologijami povečanje njihove porabe električne energije. Z drugimi besedami, napeljevali so, da lahko domača poročila o energiji ustvarjajo bumerangov učinek za nekatere tipe ljudi. Da bi ocenili to možnost, sta Costa in Kahn združila podatke iz Opowerja s podatki, pridobljenimi iz agregatorjev tretjih strank, ki so vključevali informacije, kot so registracija političnih strank, donacije okoljskim organizacijam in udeležba gospodinjstev v programih obnovljive energije. S tem združenim podatkovnim nizom sta Costa in Kahn ugotovila, da so poročila o energetiki na domu dala na splošno podobne učinke za udeležence z različnimi ideologijami; ni bilo dokazov, da bi katera koli skupina pokazala učinke bumeranga (slika 4.9).

Slika 4.9: Heterogenost učinkov zdravljenja v Costa and Kahn (2013) . Ocenjeni povprečni učinek zdravljenja za celoten vzorec je -2,1% [-1,5%, -2,7%]. Po združitvi informacij iz poskusa z informacijami o gospodinjstvih sta Costa and Kahn (2013) uporabila vrsto statističnih modelov za oceno učinka zdravljenja za zelo specifične skupine ljudi. Za vsako skupino so prikazane dve oceni, ker so ocene odvisne od kovarijatov, ki so jih vključili v njihove statistične modele (glej modele 4 in 6 v tabelah 3 in 4 v Costa and Kahn (2013) ). Kot ponazarja ta primer, so učinki zdravljenja lahko različni za različne ljudi in ocene učinkov zdravljenja, ki izhajajo iz statističnih modelov, so lahko odvisne od podrobnosti teh modelov (Grimmer, Messing, and Westwood 2014) . Prilagojena Costa and Kahn (2013) , tabel 3 in 4.

Ker ta dva primera ilustrirajo, se lahko v digitalni dobi premikamo od ocenjevanja povprečnih učinkov zdravljenja do ocene heterogenosti učinkov zdravljenja, ker lahko imamo še več udeležencev in več o teh udeležencih. Učenje o heterogenosti učinkov zdravljenja lahko omogoči ciljanje na zdravljenje, kjer je najučinkovitejše, daje dejstva, ki spodbujajo razvoj novih teorij in dajejo namige o možnih mehanizmih, temi, na katero se zdaj obračam.