4.4.2 Хетерогеност ефеката лечења

Експерименти обично меру просечан ефекат, али ефекат вероватно није исти за све.

Друга кључна идеја за кретање изван једноставних експеримената је хетерогеност ефеката лијечења . Експеримент Schultz et al. (2007) снажно илуструје како исти третман може имати различит ефекат на различите врсте људи (слика 4.4). У већини аналогних експеримената, међутим, истраживачи су се фокусирали на просечне ефекте третмана, јер је био мали број учесника и мало их је познато. У дигиталним експериментима, међутим, често има много више учесника и више се зна о њима. У овом другом окружењу података, истраживачи који настављају да процењују само просечне ефекте третмана пропустиће начине на којима процјене о хетерогености ефеката третмана могу пружити знаке како функционише терапија, како се може побољшати и како се може циљати онима са којима ће највише веровати.

Два примјера хетерогености ефеката лијечења потичу од додатних истраживања у Хоме Енерги Репорт. Прво, Allcott (2011) користио велику величину узорка (600.000 домаћинстава) како би даље поделио узорак и процијенио ефекат извјештаја о Allcott (2011) кориштења енергије пред третманом. Док су Schultz et al. (2007) утврдио разлике између великих и лаких корисника, Allcott (2011) утврдио да постоје и разлике у групи тежих и лаких корисника. На пример, најтежи корисници (они у топ децилу) су смањили њихову потрошњу енергије дупло више него неко у средини тешког корисника (слика 4.8). Надаље, процена ефекта понашањем пред третманом такође је показала да није било ефекта бумеранга, чак ни код најлакших корисника (слика 4.8).

Слика 4.8: Хетерогеност ефеката третмана у Allcott (2011) . Смањење потрошње енергије било је различито за људе у различитим децилима основне употребе. Прилагођено од Allcott (2011) , слика 8.

У истој студији, Costa and Kahn (2013) спекулисали да се ефикасност Извјештаја о енергетској ефикасности може варирати у зависности од политичке идеологије учесника и да третман може заправо довести људе са одређеним идеологијама да повећају своју потрошњу електричне енергије. Другим речима, они су спекулисали да извештаји о кућној енергији можда стварају ефекат боомеранга за неке врсте људи. Да би се процијенила ова могућност, Цоста и Кахн спајали су податке Ополе са подацима набављеним од агрегатора треће стране који укључују информације као што су регистрација политичких странака, донације еколошким организацијама и учешће домаћинстава у програмима обновљиве енергије. Са овим спојеним скуповима података, Цоста и Кахн су открили да су Извештаји о кућној енергији произвели широко сличне ефекте за учеснике различитих идеологија; није било доказа да је било која група показала ефекте боомеранга (слика 4.9).

Слика 4.9: Хетерогеност ефеката третмана у Costa and Kahn (2013) . Процењени просечан ефекат третмана за цео узорак је -2,1% [-1,5%, -2,7%]. После комбиновања информација из експеримента са информацијама о домаћинствима, Costa and Kahn (2013) користили низ статистичких модела за процену ефекта третмана за веома специфичне групе људи. Две процене су приказане за сваку групу, јер процјене зависе од коваријата које су укључили у њихове статистичке моделе (види моделе 4 и 6 у табелама 3 и 4 у Costa and Kahn (2013) ). Како овај пример илуструје, ефекти третмана могу бити различити за различите људе, а процене ефеката третмана који долазе од статистичких модела могу зависити од детаља тих модела (Grimmer, Messing, and Westwood 2014) . Прилагођено од Costa and Kahn (2013) , табеле 3 и 4.

Пошто ова два примера илуструју, у дигиталном добу можемо да пређемо са процењивања просечних ефеката третмана на процену хетерогености ефеката третмана јер можемо имати много више учесника и знамо више о тим учесницима. Учење о хетерогености ефеката лечења може омогућити циљање лечења где је најефикасније, пружити чињенице које стимулишу развој нових теорија и пружају савјете о могућим механизмима, теми на коју се сада претварам.