4.4.2 علاج کے اثرات میں سے Heterogeneity

تجربات عام طور پر اوسط اثر کی پیمائش، لیکن اثر مختلف لوگوں کے لئے مختلف ہو سکتا ہے.

سادہ تجربات سے آگے بڑھنے کی دوسری اہم خیال علاج کے اثرات میں heterogeneity ہے. کا تجربہ Schultz et al. (2007) طاقتور ایک ہی علاج لوگوں (چترا 4.4) کے مختلف قسم کے پر مختلف اثرات ہو سکتے ہیں کہ کس طرح کی وضاحت کرتا ہے، لیکن heterogeneity کی اس تجزیے ایک مطابق عمر کے استعمال کے لئے اصل میں بہت غیر معمولی ہے. سب سے زیادہ ینالاگ عمر تجربات تبادلہ "وگیٹس" کے طور پر علاج کر رہے ہیں کیونکہ ان کے بارے میں بہت کم پہلے علاج پر جانا جاتا ہے کے شرکاء کی ایک چھوٹی سی تعداد کو شامل. ڈیجیٹل تجربات میں، تاہم، ان اعداد و شمار رکاوٹوں محققین زیادہ شرکاء پڑے اور ان کے بارے میں مزید جاننے کے لئے کرتے ہیں کیونکہ کم عام ہیں. اس مختلف اعداد و شمار کے ماحول میں، ہم علاج کیسے کام کرتا ہے، یہ بہتر کیا جا سکتا ہے کہ کس طرح، اور کس طرح اس کے فائدہ کے لئے زیادہ تر امکان ان لوگوں کو نشانہ بنایا جا سکتا کے بارے میں سراگ فراہم کرنے کے لئے علاج کے اثرات میں heterogeneity اندازہ کر سکتے ہیں.

سماجی معیار اور توانائی کے استعمال کے تناظر میں علاج کے اثرات میں heterogeneity کی دو مثالیں ہوم توانائی رپورٹوں پر اضافی تحقیق سے آتے ہیں. سب سے پہلے، Allcott (2011) بڑی نمونہ سائز (600،000 گھرانوں) استعمال کو مزید نمونے تقسیم اور پہلے علاج توانائی کے استعمال کے decile طرف کی ہوم توانائی رپورٹ اثر کا اندازہ کرنے. جبکہ Schultz et al. (2007) پایا بھاری اور ہلکے صارفین کے درمیان اختلافات، Allcott (2011) بھاری اور ہلکے صارف گروپ کے درمیان اختلافات بھی موجود تھے. مثال کے طور پر، سب سے بھاری صارفین (سب decile میں ان لوگوں کے) بھاری صارف گروپ (پیکر 4.7) کے وسط میں کسی کے طور پر دو مرتبہ کے طور پر زیادہ ان کی توانائی کے استعمال کو کم کیا. اس کے علاوہ، پہلے علاج کے رویے کی طرف سے اثر کا اندازہ بھی ہلکے صارفین (پیکر 4.7) کے لئے ایک بازگشت اثر وہاں نہیں تھا کہ انکشاف کیا.

پیکر 4.7: Allcott (2011) میں علاج اثرات کی Heterogeneity. توانائی کے استعمال میں کمی بنیادی استعمال کے مختلف deciles میں لوگوں کے لئے مختلف تھا.

پیکر 4.7: میں علاج اثرات کی Heterogeneity Allcott (2011) . توانائی کے استعمال میں کمی بنیادی استعمال کے مختلف deciles میں لوگوں کے لئے مختلف تھا.

ایک متعلقہ مطالعہ میں، Costa and Kahn (2013) کے ہوم توانائی رپورٹ تاثیر ایک شریک کے سیاسی نظریے پر اور اس کے علاج دراصل بعض نظریات کے ساتھ لوگوں کو ان کے بجلی کے استعمال میں اضافہ کرنے کا سبب بن سکتا بنیاد پر مختلف کر سکتے تھے کہ کررہا. دوسرے الفاظ میں، وہ گھر میں توانائی کی رپورٹیں لوگوں میں سے کچھ اقسام کے لئے ایک بازگشت اثر پیدا کیا جا سکتا ہے کہ کررہا. اس امکان کی تشخیص کے لیے، کوسٹا اور کاہن جیسے سیاسی جماعت رجسٹریشن، ماحول کی تنظیموں کو عطیات، اور قابل تجدید توانائی کے پروگراموں میں شرکت کے گھرانے میں معلومات بھی شامل ہے کہ ایک تیسری پارٹی سے خریدی جامع ڈیٹا کے ساتھ Opower ڈیٹا کو ملا دیا. اس ضم شدہ dataset کے ساتھ، کوسٹا اور کاہن کہ ہوم توانائی کی رپورٹیں مختلف نظریات کے ساتھ شرکاء کو موٹے طور پر اسی طرح کے اثرات سے تیار پایا؛ کسی بھی گروپ بازگشت اثرات (پیکر 4.8) نمائش ہے کہ کوئی ثبوت نہیں تھا.

پیکر 4.8: کوسٹا اور کاہن (2013) میں علاج اثرات کی Heterogeneity. پورے نمونہ کے لئے متوقع اوسط علاج اثر -2،1٪ [-1،5٪، -2،7٪] ہے. کنبوں کے بارے میں معلومات کے ساتھ استعمال سے معلومات کو ملا کر، کوسٹا اور کاہن (2013) لوگوں میں سے بہت ہی مخصوص گروپوں کے لئے علاج کے اثر کا اندازہ کرنے کے اعداد و شمار کے ماڈل کی ایک سیریز کا استعمال کیا. اندازوں covariates وہ ان کے اعداد و شمار ماڈل میں شامل پر انحصار کیونکہ دو اندازوں ہر گروپ کے لئے پیش کر رہے ہیں (ملاحظہ کوسٹا اور کاہن (2013) میں ٹیبل 3 اور ٹیبل 4 میں 4 اور ماڈل کے 6 ماڈل). اس مثال کی وضاحت کرتا ہے کے طور پر، علاج کے اثرات اعداد و شمار ماڈل سے آتے ہیں کہ ان کے ماڈل کی تفصیلات پر انحصار کر سکتے ہیں مختلف لوگوں اور علاج کے اثرات کا تخمینہ کے لئے مختلف ہو سکتا ہے (Grimmer، الجھ، اور ویسٹووڈ 2014).

پیکر 4.8: میں علاج اثرات کی Heterogeneity Costa and Kahn (2013) . پورے نمونہ کے لئے متوقع اوسط علاج اثر -2،1٪ [-1،5٪، -2،7٪] ہے. کنبوں کے بارے میں معلومات کے ساتھ استعمال سے معلومات کو ملا کر، Costa and Kahn (2013) لوگوں میں سے بہت ہی مخصوص گروپوں کے لئے علاج کے اثر کا اندازہ کرنے کے اعداد و شمار کے ماڈل کی ایک سیریز کا استعمال کیا. اندازوں covariates وہ ان کے اعداد و شمار ماڈل میں شامل پر انحصار کیونکہ دو اندازوں ہر گروپ کے لئے پیش کر رہے ہیں (ملاحظہ کریں میں ٹیبل 3 اور ٹیبل 4 میں 4 اور ماڈل کے 6 ماڈل Costa and Kahn (2013) ). اس مثال کی وضاحت کرتا ہے کے طور پر، علاج کے اثرات اعداد و شمار ماڈل سے آتے ہیں کہ ان کے ماڈل کی تفصیلات پر انحصار کر سکتے ہیں مختلف لوگوں اور علاج کے اثرات کا تخمینہ کے لئے مختلف ہو سکتے ہیں (Grimmer, Messing, and Westwood 2014) .

ان دو مثالوں کی نمائندگی کرتی ہے کے طور پر، ڈیجیٹل دور میں، ہم علاج اثرات کی heterogeneity اندازہ ہم اس سے کہیں زیادہ شرکاء کر سکتے ہیں اور ہم ان کے شرکاء کے بارے میں مزید جانتے ہیں کیونکہ اوسط علاج کے اثرات کا اندازہ سے منتقل کر سکتے ہیں. علاج کے اثرات میں heterogeneity کے بارے میں سیکھنا ہے جہاں یہ سب سے زیادہ مؤثر ہے ایک علاج کی ھدف بندی کو چالو، نئے اصول ترقی کی حوصلہ افزائی ہے کہ حقائق کو فراہم کر سکتے ہیں، اور ایک ممکنہ طریقہ کار، جس میں اب تبدیل کرنے کے لئے موضوع کے بارے میں اشارہ کرتے ہیں.