4.4.2 చికిత్సా ఫలితాలని యొక్క భిన్నత్వం

ప్రయోగాలు సాధారణంగా సగటు ప్రభావాన్ని కొలుస్తాయి, కానీ ప్రతి ఒక్కరికి ప్రభావం బహుశా కాదు.

సాధారణ ప్రయోగాలు మించి రెండవ ముఖ్యమైన ఆలోచన చికిత్స ప్రభావాల యొక్క భిన్నత్వం . Schultz et al. (2007) ప్రయోగం Schultz et al. (2007) ఇదే విధమైన చికిత్స వివిధ రకాల వ్యక్తులపై వేరే ప్రభావాన్ని ఎలా కలిగిస్తుంది (Figure 4.4). చాలామంది అనలాగ్ ప్రయోగాల్లో, పరిశోధకులు సగటు చికిత్స ప్రభావాలను దృష్టి కేంద్రీకరించారు, ఎందుకంటే పాల్గొనేవారు కొద్దిమంది ఉన్నారు మరియు వారి గురించి చాలా తక్కువగా తెలిసింది. డిజిటల్ ప్రయోగాలలో, చాలామంది పాల్గొనేవారు ఎక్కువగా ఉంటారు మరియు వాటి గురించి మరింత తెలుసుకుంటారు. ఈ విభిన్న డేటా పరిసరాలలో, సగటు చికిత్స ప్రభావాలను మాత్రమే అంచనా వేసే పరిశోధకులు, చికిత్స ప్రభావాల యొక్క వైవిద్యం గురించి అంచనా వేయడం, చికిత్స ఎలా పని చేస్తుందో, ఎలా అభివృద్ధి చెందుతోందో, మరియు ఎలా లక్ష్యంగా ఉంటుంది ప్రయోజనం కోసం ఎక్కువగా వారికి.

చికిత్స ప్రభావాల యొక్క వైవిధ్యత యొక్క రెండు ఉదాహరణలు హోం ఎనర్జీ రిపోర్ట్స్ పై అదనపు పరిశోధనల నుండి వచ్చాయి. మొదట, Allcott (2011) నమూనాను Allcott (2011) పెద్ద మొత్తం నమూనా పరిమాణం (600,000 గృహాలు Allcott (2011) ఉపయోగించారు మరియు గృహ ఎనర్జీ రిపోర్ట్ యొక్క ప్రభావం ప్రీ-ట్రీట్ ఇంధన వినియోగం ద్వారా అంచనా వేసింది. Schultz et al. (2007) భారీ మరియు తేలికపాటి వినియోగదారుల మధ్య విభేదాలు దొరకలేదు, Allcott (2011) భారీ మరియు కాంతి-వినియోగదారు సమూహంలో తేడాలు కూడా ఉన్నాయి. ఉదాహరణకు, భారీ వినియోగదార్ల సమూహం (ఫిగర్ 4.8) మధ్యలో ఉన్నవారిలో రెండుసార్లు వారి శక్తి వినియోగం రెండుసార్లు తగ్గింది. అంతేకాకుండా, ప్రీ-ట్రీట్మెంట్ ప్రవర్తన ద్వారా ప్రభావం అంచనా వేయడం కూడా తేలికైన వినియోగదారులకు (సంఖ్య 4.8) ఎటువంటి బూమేరాంగ్ ప్రభావం లేదని వెల్లడించింది.

మూర్తి 4.8: ఆల్కాట్ (2011) లో చికిత్స ప్రభావాల వైపరీత్యం. శక్తి వినియోగాన్ని తగ్గించడం బేస్లైన్ వినియోగానికి చెందిన అనేక దశలలో ప్రజలకు భిన్నంగా ఉంటుంది. ఆల్కాట్ (2011), ఫిగర్ 8 నుండి స్వీకరించబడింది.

మూర్తి 4.8: Allcott (2011) లో చికిత్స ప్రభావాల వైపరీత్యం. శక్తి వినియోగాన్ని తగ్గించడం బేస్లైన్ వినియోగానికి చెందిన అనేక దశలలో ప్రజలకు భిన్నంగా ఉంటుంది. Allcott (2011) , ఫిగర్ 8 నుండి స్వీకరించబడింది.

ఒక సంబంధిత అధ్యయనంలో, Costa and Kahn (2013) హోమ్ ఎనర్జీ రిపోర్టు యొక్క ప్రభావము పాల్గొనే యొక్క రాజకీయ భావజాలం మీద ఆధారపడి ఉంటుందని మరియు చికిత్స వారి భావనలను పెంచటానికి కొన్ని సిద్ధాంతాలతో ప్రజలను కలిగించవచ్చని ఊహించారు. మరో మాటలో చెప్పాలంటే, హోం ఎనర్జీ రిపోర్ట్స్ కొన్ని రకాల ప్రజలకు బూమేరాంగ్ ప్రభావాన్ని సృష్టించవచ్చని వారు ఊహించారు. ఈ అవకాశాన్ని అంచనా వేయడానికి, కోస్టా అండ్ కాహ్న్ ఒపెరా డేటాను మూడవ పక్ష అగ్రిగేటర్ నుండి కొనుగోలు చేసిన డేటాతో రాజకీయ పార్టీ నమోదు, పర్యావరణ సంస్థలకు విరాళాలు మరియు పునరుత్పాదక ఇంధన కార్యక్రమాలలో గృహోపకరణాలు వంటి సమాచారాన్ని కలిగి ఉంది. ఈ విలీనమైన డేటాసెట్తో, హోం ఎనర్జీ రిపోర్ట్స్ విభిన్న సిద్ధాంతాలతో పాల్గొనేవారికి విస్తారమైన సారూప్య ప్రభావాలను ఉత్పత్తి చేశాయని కోస్టా మరియు కాహ్న్ కనుగొన్నారు; ఏ సమూహం బూమేరాంగ్ ప్రభావాలను ప్రదర్శించిందో ఎలాంటి ఆధారాలు లేవు (సంఖ్య 4.9).

మూర్తి 4.9: కోస్టా అండ్ కాహ్న్ (2013) చికిత్స ప్రభావాల వైపరీత్యం. మొత్తం నమూనా యొక్క అంచనా సగటు చికిత్స -2.1% [-1.5%, -2.7%]. గృహాల గురించి సమాచారంతో ప్రయోగం నుండి సమాచారాన్ని కలిపిన తరువాత, కోస్టా అండ్ కాహ్న్ (2013) చాలా నిర్దిష్ట సమూహాలకు చికిత్స ప్రభావాన్ని అంచనా వేయడానికి గణాంక నమూనాల వరుసను ఉపయోగించారు. అంచనాల ప్రకారం, ప్రతి సమూహానికి రెండు అంచనాలు సమర్పించబడ్డాయి, ఎందుకంటే వారి గణాంక నమూనాలలో ఇవి ఉన్నాయి. (కోస్టా అండ్ కాహ్న్ (2013) లో పట్టికలలో 3 మరియు 4 లో నమూనాలు 4 మరియు 6 చూడండి. ఈ ఉదాహరణ ఉదహరించినట్లుగా, వివిధ రకాల ప్రజలకు చికిత్స ప్రభావాలను వేర్వేరుగా ఉంటుంది మరియు గణాంక నమూనాల నుండి వచ్చే ప్రభావాల అంచనాలు ఆ నమూనాల వివరాలు (గ్రిమర్, మెస్సింగ్ మరియు వెస్ట్వుడ్ 2014) ఆధారపడి ఉంటాయి. కోస్టా మరియు కాహ్న్ (2013), టేబుల్ 3 మరియు 4 నుండి స్వీకరించారు.

మూర్తి 4.9: Costa and Kahn (2013) చికిత్స ప్రభావాల వైపరీత్యం. మొత్తం నమూనా యొక్క అంచనా సగటు చికిత్స -2.1% [-1.5%, -2.7%]. గృహాల గురించి సమాచారంతో ప్రయోగం నుండి సమాచారాన్ని కలిపిన తరువాత, Costa and Kahn (2013) చాలా నిర్దిష్ట సమూహాలకు చికిత్స ప్రభావాన్ని అంచనా వేయడానికి గణాంక నమూనాల వరుసను ఉపయోగించారు. అంచనాల ప్రకారం, ప్రతి సమూహానికి రెండు అంచనాలు సమర్పించబడ్డాయి, ఎందుకంటే వారి గణాంక నమూనాలలో ఇవి ఉన్నాయి. ( Costa and Kahn (2013) లో పట్టికలలో 3 మరియు 4 లో నమూనాలు 4 మరియు 6 చూడండి. ఈ ఉదాహరణ ఉదహరించినట్లుగా, వివిధ రకాల ప్రజలకు చికిత్స ప్రభావాలను వేర్వేరుగా మరియు గణాంక నమూనాల నుండి వచ్చే చికిత్స ప్రభావాల అంచనాలు ఆ నమూనాల వివరాలు (Grimmer, Messing, and Westwood 2014) . Costa and Kahn (2013) , టేబుల్ 3 మరియు 4 నుండి స్వీకరించారు.

ఈ రెండు ఉదాహరణలు ఉదహరించినప్పుడు, డిజిటల్ యుగంలో, చికిత్స ప్రభావాల యొక్క భిన్నత్వం అంచనా వేయడానికి మేము సగటు చికిత్స ప్రభావాలను అంచనా వేయగలము, ఎందుకంటే మేము చాలామంది పాల్గొనేవారు మరియు పాల్గొనేవారి గురించి మరింత తెలుసు. చికిత్సా ప్రభావాల యొక్క వైవిధ్యత గురించి నేర్చుకోవడం అనేది చికిత్సను లక్ష్యంగా చేసుకోవచ్చు, ఇక్కడ ఇది మరింత ప్రభావవంతమైనది, కొత్త సిద్ధాంతం అభివృద్ధిని ప్రేరేపించే వాస్తవాలను అందిస్తుంది మరియు సాధ్యమైన సంవిధానాల గురించి నేను సూచించే అంశం గురించి సూచనలు అందిస్తుంది.