4.4.2 L'heterogeneïtat dels efectes del tractament

Els experiments normalment mesuren l'efecte mitjà, però probablement l'efecte no és el mateix per a tothom.

La segona idea clau per superar simples experiments és l' heterogeneïtat dels efectes del tractament . L'experiment de Schultz et al. (2007) il·lustra poderosament com el mateix tractament pot tenir un efecte diferent en diferents tipus de persones (figura 4.4). Tanmateix, en la majoria dels experiments analògics, els investigadors es van centrar en els efectes mitjos del tractament perquè hi havia un petit nombre de participants i poc es coneixia sobre ells. Tanmateix, en els experiments digitals, sovint hi ha molts més participants i més se sap sobre ells. En aquest entorn de dades diferents, els investigadors que continuen estimant només els efectes mitjos del tractament deixaran de banda les maneres en què les estimacions sobre l'heterogeneïtat dels efectes del tractament poden proporcionar pistes sobre com funciona el tractament, com es pot millorar i com es pot orientar a aquells que més puguin beneficiar-se.

Dos exemples d'heterogeneïtat dels efectes del tractament provenen de la investigació addicional sobre els Informes d'Energia a l'Home. En primer lloc, Allcott (2011) utilitzar la gran mida de la mostra (600.000 llars) per dividir la mostra i estimar l'efecte de l'informe d'energia domèstica mitjançant un decril d'ús d'energia previa al tractament. Mentre Schultz et al. (2007) trobar diferències entre els usuaris pesants i lleugers, Allcott (2011) trobar que també hi havia diferències en el grup d'usuaris pesants i lleugers. Per exemple, els usuaris més pesats (els que figuren en el primer decenni) van reduir el seu ús d'energia dues vegades més que algú al centre del grup d'usuaris pesants (figura 4.8). A més, l'estimació de l'efecte per la conducta previa al tractament també va revelar que no hi va haver efecte de bumerang, fins i tot per als usuaris més lleugers (figura 4.8).

Figura 4.8: Heterogeneïtat dels efectes del tractament en Allcott (2011) . La disminució de l'ús d'energia va ser diferent per a les persones en diferents deciles d'ús basal. Adaptat d' Allcott (2011) , figura 8.

En un estudi relacionat, Costa and Kahn (2013) especular que l'eficàcia de l'informe Energy Energy podria variar en funció de la ideologia política d'un participant i que el tractament podria fer que persones amb ideologies determinades augmentessin el seu ús elèctric. Dit d'una altra manera, van especular que els Informes d'energia a casa podrien estar creant un efecte bumerang per a alguns tipus de persones. Per avaluar aquesta possibilitat, Costa i Kahn van combinar les dades d'Opower amb dades comprades d'un agregador de tercers que incloïa informació com ara registre de partits polítics, donacions a organitzacions mediambientals i participació de les famílies en programes d'energies renovables. Amb aquest conjunt de dades fusionats, Costa i Kahn van trobar que els Informes d'Energia a casa produïen efectes molt similars per als participants amb diferents ideologies; no hi havia cap evidència que cap grup exhibís efectes de bumerang (figura 4.9).

Figura 4.9: Heterogeneïtat dels efectes del tractament a Costa and Kahn (2013) . L'efecte mitjà del tractament estimat per a tota la mostra és -2,1% [-1,5%, -2,7%]. Després de combinar informació de l'experiment amb informació sobre les llars, Costa and Kahn (2013) utilitzar una sèrie de models estadístics per estimar l'efecte del tractament per a grups de persones molt específics. Es presenten dues estimacions per a cada grup perquè les estimacions depenen de les covariables que van incloure en els seus models estadístics (vegeu models 4 i 6 a les taules 3 i 4 a Costa and Kahn (2013) ). Tal com mostra aquest exemple, els efectes del tractament poden ser diferents per a diferents persones i les estimacions dels efectes del tractament que provinguin de models estadístics poden dependre dels detalls d'aquests models (Grimmer, Messing, and Westwood 2014) . Adaptat de Costa and Kahn (2013) , taules 3 i 4.

Com que aquests dos exemples il·lustren, en l'era digital, podem passar de l'estimació dels efectes mitjos del tractament a l'estimació de l'heterogeneïtat dels efectes del tractament perquè podem tenir molts més participants i coneixem més sobre aquells participants. Aprendre sobre l'heterogeneïtat dels efectes del tractament pot permetre l'orientació d'un tractament on sigui més eficaç, proporcioni dades que estimulen el desenvolupament de la nova teoria i proporcionin suggeriments sobre els possibles mecanismes, el tema al que ara m'estic convertint.