4.4.2 Tính không đồng nhất của hiệu quả điều trị

Các thí nghiệm thường đo lường hiệu quả trung bình, nhưng hiệu quả có thể khác nhau cho những người khác nhau.

Ý tưởng quan trọng thứ hai để di chuyển vượt ra ngoài thí nghiệm đơn giản là không đồng nhất của hiệu quả điều trị. Thí nghiệm của Schultz et al. (2007) mạnh mẽ cho thấy cách điều trị như nhau có thể có những ảnh hưởng khác nhau trên các loại khác nhau của người dân (Hình 4.4), nhưng phân tích này không đồng nhất thực sự là khá bất thường đối với một thí nghiệm tuổi tương tự. Hầu hết các thí nghiệm tuổi tương tự liên quan đến một số lượng nhỏ người tham gia được coi là "widget" hoán đổi cho nhau vì rất ít về họ được biết đến trước khi điều trị. Tuy nhiên, trong các thí nghiệm kỹ thuật số, các ràng buộc dữ liệu ít phổ biến bởi vì các nhà nghiên cứu có xu hướng có nhiều người tham gia và biết thêm về họ. Trong môi trường dữ liệu khác nhau này, chúng ta có thể ước tính không đồng nhất của hiệu quả điều trị để cung cấp manh mối về cách thức xử lý các công trình, làm thế nào nó có thể được cải thiện, và làm thế nào nó có thể được nhắm mục tiêu đến những người chủ yếu là khả năng hưởng lợi.

Hai ví dụ về tính không đồng nhất của hiệu quả điều trị trong bối cảnh các chuẩn mực xã hội và sử dụng năng lượng đến từ nghiên cứu bổ sung vào Báo cáo Năng lượng chủ. Đầu tiên, Allcott (2011) sử dụng các kích thước mẫu lớn (600.000 hộ) để chia thêm mẫu và ước tính hiệu quả của các báo cáo năng lượng chủ của phân vị của việc sử dụng năng lượng trước khi điều trị. Trong khi Schultz et al. (2007) tìm thấy sự khác biệt giữa người sử dụng nặng và nhẹ, Allcott (2011) thấy rằng cũng có những khác biệt trong các nhóm người sử dụng nặng và nhẹ. Ví dụ, người sử dụng nặng nhất (những người trong thập phân vị trên) giảm việc sử dụng năng lượng nhiều gấp đôi một người nào đó ở giữa các nhóm người sử dụng nặng (Hình 4.7). Hơn nữa, ước tính ảnh hưởng bởi hành vi trước khi điều trị cũng tiết lộ rằng không có một hiệu ứng boomerang ngay cả đối với những người sử dụng nhẹ nhất (Hình 4.7).

Hình 4.7: Tính không đồng nhất của hiệu quả điều trị trong Allcott (2011). Việc giảm sử dụng năng lượng là khác nhau cho những người trong deciles khác nhau của việc sử dụng cơ sở.

Hình 4.7: Tính không đồng nhất của hiệu quả điều trị trong Allcott (2011) . Việc giảm sử dụng năng lượng là khác nhau cho những người trong deciles khác nhau của việc sử dụng cơ sở.

Trong một nghiên cứu liên quan, Costa and Kahn (2013) cho rằng hiệu quả của các báo cáo năng lượng chủ thể khác nhau dựa trên tư tưởng chính trị của người tham gia và việc điều trị thực sự có thể gây ra những người có tư tưởng nào đó để tăng việc sử dụng điện của họ. Nói cách khác, họ suy đoán rằng các Báo cáo Năng lượng chủ có thể được tạo ra một hiệu ứng boomerang đối với một số loại người. Để đánh giá khả năng này, Costa và Kahn sáp nhập các dữ liệu Opower với dữ liệu được mua từ một tập hợp dữ liệu của bên thứ ba bao gồm các thông tin như đăng ký đảng phái chính trị, đóng góp cho các tổ chức môi trường, và sự tham gia vào các chương trình năng lượng tái tạo. Với bộ dữ liệu sáp nhập này, Costa và Kahn thấy rằng các Báo cáo Năng lượng chủ sản xuất hiệu ứng tương tự nhau cho người tham gia với ý thức hệ khác nhau; không có bằng chứng rằng bất kỳ nhóm trưng bày các hiệu ứng boomerang (Hình 4.8).

Hình 4.8: Tính không đồng nhất của hiệu quả điều trị ở Costa và Kahn (2013). Hiệu quả điều trị trung bình ước tính cho toàn bộ mẫu là -2,1% [-1,5%, -2,7%]. Bằng cách kết hợp thông tin từ các thử nghiệm với thông tin về các hộ gia đình, Costa và Kahn (2013) đã sử dụng một loạt các mô hình thống kê để ước lượng hiệu quả điều trị cho nhóm rất cụ thể của người dân. Hai dự toán được trình bày cho từng nhóm do dự toán phụ thuộc vào các biến số họ bao gồm trong các mô hình thống kê của họ (xem mô hình 4 và mô hình 6 trong Bảng 3 và Bảng 4 ở Costa và Kahn (2013)). Ví dụ này minh họa, hiệu quả điều trị có thể khác nhau cho những người khác nhau và ước tính về hiệu quả điều trị mà đến từ các mô hình thống kê có thể phụ thuộc vào các chi tiết của những mô hình (Grimmer, Messing, và Westwood 2014).

Hình 4.8: Tính không đồng nhất của hiệu quả điều trị ở Costa and Kahn (2013) . Hiệu quả điều trị trung bình ước tính cho toàn bộ mẫu là -2,1% [-1,5%, -2,7%]. Bằng cách kết hợp thông tin từ các thử nghiệm với thông tin về các hộ gia đình, Costa and Kahn (2013) sử dụng một loạt các mô hình thống kê để ước lượng hiệu quả điều trị cho nhóm rất cụ thể của người dân. Hai dự toán được trình bày cho từng nhóm do dự toán phụ thuộc vào các biến số họ bao gồm trong các mô hình thống kê của họ (xem mô hình 4 và mô hình 6 trong Bảng 3 và Bảng 4 ở Costa and Kahn (2013) ). Ví dụ này minh họa, hiệu quả điều trị có thể khác nhau cho những người khác nhau và ước tính về hiệu quả điều trị mà đến từ các mô hình thống kê có thể phụ thuộc vào các chi tiết của những mô hình (Grimmer, Messing, and Westwood 2014) .

Là hai ví dụ minh họa, trong thời đại kỹ thuật số, chúng ta có thể di chuyển từ ước lượng hiệu quả điều trị trung bình ước tính không đồng nhất của hiệu quả điều trị bởi vì chúng ta có thể có nhiều người tham gia hơn và chúng tôi biết thêm về những người tham gia. Tìm hiểu về tính không đồng nhất của hiệu quả điều trị có thể cho phép nhắm mục tiêu của điều trị mà nó là hiệu quả nhất, cung cấp sự thật rằng kích thích phát triển lý thuyết mới, và cung cấp các gợi ý về một cơ chế có thể, các chủ đề mà bây giờ tôi biến.