4.4.2 చికిత్సా ఫలితాలని యొక్క భిన్నత్వం

ప్రయోగాలు సాధారణంగా సగటు ప్రభావానికి కొలిచేందుకు, కానీ ప్రభావం వివిధ వ్యక్తులు కోసం భిన్నంగా ఉంటుంది.

సాధారణ ప్రయోగాలు మించి కదిలే రెండవ ముఖ్య ఆలోచన చికిత్సా ఫలితాలని భిన్నత్వం ఉంది. ప్రయోగం Schultz et al. (2007) శక్తివంతంగా ఎలా అదే చికిత్స ప్రజలు (మూర్తి 4.4) వివిధ రకాల వివిధ ప్రభావాలను కలిగి ఉంటుంది వివరిస్తుంది, కానీ భిన్నత్వం యొక్క ఈ విశ్లేషణ నిజానికి ఒక అనలాగ్ వయస్సు ప్రయోగం చాలా అసాధారణంగా ఉంది. చాలా అనలాగ్ వయస్సు ప్రయోగాలు వాటిని గురించి కొద్దిగా ముందుగానే శుద్ధి అంటారు ఎందుకంటే మార్చుకోగలిగిన "విడ్జెట్" వంటి చికిత్స పాల్గొనే ఒక చిన్న సంఖ్య కలిగి. డిజిటల్ ప్రయోగాల్లో, అయితే, ఈ డేటా అడ్డంకులు పరిశోధకులు మరింత పాల్గొనే మరియు వాటిని గురించి మరింత తెలుసుకోవాలంటే ఉంటాయి ఎందుకంటే అవి సాధారణంగా ఉండవు. ఈ వివిధ డేటా వాతావరణంలో, మేము ఎలా చికిత్స పనిచేస్తుంది ఇది అభివృద్ధి ఎలా, మరియు ఎలా అది ప్రయోజనకరంగా ఎక్కువగా అవకాశం ఆ లక్ష్యంగా గురించి క్లూలు అందించడానికి చికిత్స ప్రభావాలు భిన్నత్వం అంచనా చేయవచ్చు.

సామాజిక నిబంధనలను మరియు ఇంధన వాడకం సందర్భంలో చికిత్సా ఫలితాలని భిన్నత్వం యొక్క రెండు ఉదాహరణలు హోమ్ శక్తి నివేదికలు అదనపు పరిశోధన నుండి వస్తాయి. మొదటి, Allcott (2011) మరింత నమూనా విడిపోయి ముందుగానే శుద్ధి శక్తి వినియోగంలో decile హోం ఎనర్జి రిపోర్ట్ యొక్క ప్రభావాన్ని అంచనా వేసేందుకు పెద్ద నమూనా పరిమాణం (600,000 గృహాలు) ఉపయోగించారు. అయితే Schultz et al. (2007) కనుగొనబడింది భారీ మరియు కాంతి వినియోగదారులు మధ్య తేడాలు, Allcott (2011) భారీ మరియు తేలికపాటి యూజర్ గుంపులో వ్యత్యాసాలు కూడా ఉన్నాయి కనుగొన్నారు. ఉదాహరణకు, భారీ వినియోగదారులు (టాప్ decile ఉన్నటువంటివి) భారీ వినియోగదారు సమూహం (మూర్తి 4.7) మధ్యలో ఎవరైనా కంటే రెండు రెట్లు ఎక్కువ వారి శక్తి వాడుక తగ్గింది. ఇంకా, ముందు చికిత్స ప్రవర్తన ద్వారా ప్రభావాన్ని అంచనా కూడా తేలికగా వినియోగదారులు (మూర్తి 4.7) కోసం ఒక బూమేరాంగ్ ప్రభావం లేవని తెలియచేసాయి.

మూర్తి 4.7: లో Allcott (2011) చికిత్స ప్రభావాలు యొక్క భిన్నత్వం. ఇంధన వినియోగంలో తగ్గుదల ఆధార వాడుక యొక్క వివిధ deciles ప్రజలకు భిన్నమైనది.

మూర్తి 4.7: చికిత్స ప్రభావాలు యొక్క భిన్నత్వం Allcott (2011) . ఇంధన వినియోగంలో తగ్గుదల ఆధార వాడుక యొక్క వివిధ deciles ప్రజలకు భిన్నమైనది.

సంబంధిత అధ్యయనంలో, Costa and Kahn (2013) హోమ్ ఎనర్జి రిపోర్ట్ సమర్థతను బాగస్వామి యొక్క రాజకీయ భావజాలం మరియు చికిత్స నిజానికి కొన్ని సిద్ధాంతాలను తో ప్రజలు వారి విద్యుత్ వినియోగం పెంచడానికి కారణం కావచ్చు ఇది ఆధారంగా మారుతుంటాయి ఊహించారు. ఇతర మాటలలో, వారు హోమ్ శక్తి నివేదికలు ప్రజలు కొన్ని రకాల కోసం ఒక బూమేరాంగ్ ప్రభావం సృష్టించడం ఉండవచ్చని ఊహించారు. ఈ అవకాశం అంచనా వేయడానికి, కోస్టా మరియు కాహ్న్ ఈ విధంగా రాజకీయ పార్టీ రిజిస్ట్రేషన్, పర్యావరణ సంస్థలకు విరాళాలను, మరియు పునరుత్పాదక ఇంధన కార్యక్రమాలను గృహ పాల్గొనడం సమాచారం ఒక మూడవ పార్టీ ఎగ్రిగేటర్ నుండి కొనుగోలు సమాచారంతో Opower డేటా విలీనం. ఈ విలీనమైన డేటాసెట్ తో కోస్టా మరియు కాహ్న్ హోమ్ శక్తి నివేదికలు విభిన్న భావజాలాలు పాల్గొన్న కోసం విస్తారంగా అదే ప్రభావాలను ఆయన కనుగొన్నారు; ఏ గ్రూపు బూమేరాంగ్ ప్రభావాలు (మూర్తి 4.8) ప్రదర్శించిన ఏ ఆధారం లేదని.

మూర్తి 4.8: లో కోస్టా మరియు కాహ్న్ (2013) చికిత్స ప్రభావాలు యొక్క భిన్నత్వం. మొత్తం నమూనా అంచనా సగటు చికిత్స ప్రభావం -2,1% [-1.5%, -2,7%] ఉంది. గృహాలు గురించి సమాచారాన్ని ప్రయోగం నుండి సమాచారం కలపడం ద్వారా, కోస్టా మరియు కాహ్న్ (2013) ప్రజా నిర్దిష్ట సమూహాలకు చికిత్స ప్రభావాన్ని అంచనా వేయడం గణాంక నమూనాలు వరుస ఉపయోగిస్తారు. అంచనాలు వారు వారి గణాంక నమూనాలు చేర్చబడ్డాయి పరిచే ఆధారపడి ఎందుకంటే రెండు అంచనాలు ప్రతి సమూహం కోసం ప్రదర్శించారు (టేబుల్ 3 మరియు టేబుల్ 4 4 మరియు మోడల్ 6 మోడల్ లో కోస్టా మరియు కాహ్న్ (2013) చూడండి). ఈ ఉదాహరణ వివరిస్తుంది, చికిత్సా ఫలితాలని గణాంక నమూనాలు నుండి వచ్చిన ఆ నమూనాల్లో వివరాలు దోహదపడతాయి విభిన్న వ్యక్తులకు మరియు చికిత్సా ఫలితాలని అంచనాలు భిన్నంగా ఉంటుంది (grimmer, మెస్సింగ్ వెస్ట్వుడ్ 2014).

మూర్తి 4.8: చికిత్స ప్రభావాలు యొక్క భిన్నత్వం Costa and Kahn (2013) . మొత్తం నమూనా అంచనా సగటు చికిత్స ప్రభావం -2,1% [-1.5%, -2,7%] ఉంది. గృహాలు గురించి సమాచారాన్ని ప్రయోగం నుండి సమాచారం కలపడం ద్వారా, Costa and Kahn (2013) ప్రజల నిర్దిష్ట సమూహాలకు చికిత్స ప్రభావాన్ని అంచనా వేయడం గణాంక నమూనాలు వరుస ఉపయోగిస్తారు. అంచనాలు వారు వారి గణాంక నమూనాలు చేర్చబడ్డాయి పరిచే ఆధారపడి ఎందుకంటే రెండు అంచనాలు ప్రతి సమూహం కోసం ప్రదర్శించారు (టేబుల్ 3 మరియు టేబుల్ 4 4 మరియు మోడల్ 6 మోడల్ లో చూడండి Costa and Kahn (2013) ). ఈ ఉదాహరణ వివరిస్తుంది, చికిత్సా ఫలితాలని గణాంక నమూనాలు నుండి వచ్చిన ఆ నమూనాల్లో వివరాలు దోహదపడతాయి విభిన్న వ్యక్తులకు మరియు చికిత్సా ఫలితాలని అంచనాలు భిన్నంగా ఉంటుంది (Grimmer, Messing, and Westwood 2014) .

ఈ రెండు ఉదాహరణలు వర్ణించేందుకు నాటికి, డిజిటల్ వయస్సు లో, మేము అనేక మరింత పాల్గొనే కలిగి మరియు మేము ఆ పాల్గొనేవారి గురించి మరింత తెలుసు ఎందుకంటే చికిత్సా ఫలితాలని భిన్నత్వం అంచనా సగటు చికిత్సా ఫలితాలని అంచనా నుండి తరలించవచ్చు. చికిత్సా ఫలితాలని భిన్నత్వం గురించి తెలుసుకున్న ఇది చాలా ప్రభావవంతమైనది పేరు ఒక చికిత్స లక్ష్యంగా ఎనేబుల్, కొత్త సిద్ధాంతం అభివృద్ధి ఉద్దీపన ఆ విషయాలను అందించుటకు, మరియు సాధ్యమయ్యే విధానం, నేను ఇప్పుడు చెయ్యి ఇది టాపిక్ గురించి సూచనలు అందిస్తుంది.