4.4.3 Mecanismos

Experimentos medir o que pasou. Mecanismos de explicar por que e como isto aconteceu.

A terceira idea clave para superar simples experimentos é mecanismos . Os mecanismos dinos por que ou como o tratamento causou un efecto. O proceso de busca de mecanismos ás veces tamén se chama para buscar variables intermedias ou variables mediadoras . Aínda que os experimentos son bos para estimar os efectos causais, moitas veces non están deseñados para revelar mecanismos. Os experimentos dixitais poden axudarnos a identificar mecanismos de dúas formas: (1) permítenos recompilar máis datos de proceso e (2) permítennos probar moitos tratamentos relacionados.

Porque os mecanismos son difíciles de definir formalmente (Hedström and Ylikoski 2010) , vou comezar cun exemplo sinxelo: limas e escorbuto (Gerber and Green 2012) . No século XVIII, os médicos tiñan un bo sentido de que cando os mariñeiros comían limes, non se escorbaban. O escorbuto é unha enfermidade terrible, polo que esta foi unha información poderosa. Pero estes médicos non sabían por que limes evitaban o escorbuto. Non foi ata 1932, case 200 anos despois, que os científicos poderían demostrar de forma fiable que a vitamina C foi a razón pola que a cal evitaba o escorbuto (Carpenter 1988, 191) . Neste caso, a vitamina C é o mecanismo mediante o cal as limas evitan o escorbuto (figura 4.10). Por suposto, identificar o mecanismo tamén é moi importante científicamente: moita ciencia trata de comprender por que as cousas suceden. Os mecanismos de identificación tamén son moi importantes prácticamente. Unha vez que entendemos por que funciona un tratamento, podemos desenvolver novos tratamentos que funcionan aínda mellor.

Figura 4.10: Os limes prevén o escorbuto eo mecanismo é a vitamina C.

Desafortunadamente, os mecanismos de illamento son moi difíciles. A diferenza de limas e escorbuto, en moitos contextos sociais, os tratamentos probablemente funcionan a través de moitas vías interrelacionadas. Non obstante, no caso das normas sociais e do consumo de enerxía, os investigadores intentaron illar mecanismos recollendo datos de procesos e probando tratamentos relacionados.

Unha forma de probar posibles mecanismos é recollida de datos de procesos sobre como o tratamento impactou nos mecanismos posibles. Por exemplo, recordemos que Allcott (2011) mostrou que Home Energy Reports causou que as persoas Allcott (2011) seu consumo de electricidade. Pero como estes informes baixan o uso de electricidade? Cales foron os mecanismos? Nun estudo de Allcott and Rogers (2014) , Allcott and Rogers (2014) uníronse cunha compañía de enerxía que, a través dun programa de reembolso, adquiriu información sobre o que os consumidores actualizaron os seus electrodomésticos a modelos máis eficientes. Allcott and Rogers (2014) descubriron que un pouco máis de persoas que recibiron Home Energy Reports actualizaron os seus electrodomésticos. Pero esta diferenza era tan pequena que podería representar só o 2% da diminución do consumo de enerxía nos fogares tratados. Noutras palabras, as actualizacións de dispositivos non eran o mecanismo dominante a través do cal o Informe de enerxía doméstica diminuíu o consumo de electricidade.

Unha segunda forma de estudar mecanismos é realizar experimentos con versións un pouco diferentes do tratamento. Por exemplo, no experimento de Schultz et al. (2007) e todos os experimentos posteriores de Home Energy Report, os participantes recibiron un tratamento que tivo dúas partes principais (1) suxestións sobre o aforro enerxético e (2) información sobre o seu uso enerxético en relación aos seus pares (figura 4.6). Deste xeito, é posible que as consellos de aforro de enerxía sexan o que causou o cambio, e non a información dos pares. Para avaliar a posibilidade de que as suxestións por si só fosen suficientes, Ferraro, Miranda, and Price (2011) asociaron cunha compañía de auga preto de Atlanta, Georgia e realizaron un experimento relacionado coa conservación de auga que involucrou preto de 100.000 fogares. Houbo catro condicións:

• un grupo que recibiu consellos sobre o aforro de auga
• un grupo que recibiu consellos sobre o aforro de auga máis un chamamento moral para aforrar auga
• un grupo que recibiu consellos sobre o aforro de auga máis un chamamento moral para aforrar auga e máis información sobre o seu uso de auga en relación aos seus compañeiros
• un grupo de control

Os investigadores descubriron que o tratamento con consellos non tivo ningún efecto sobre o uso de auga a curto prazo (un ano), medio (dous anos) e longo (tres anos). Os consellos e o tratamento de apelación causaron que os participantes reduzan o uso de auga, pero só a curto prazo. Finalmente, as suxestións máis apelido eo tratamento da información por pares causaron un uso reducido a curto, medio e longo prazo (figura 4.11). Este tipo de experimentos con tratamentos desagregados son unha boa forma de descubrir cal parte do tratamento -ou que partes en conxunto- son os que están causando o efecto (Gerber and Green 2012, sec. 10.6) . Por exemplo, o experimento de Ferraro e colegas móstranos que os consellos de aforro de auga por si só non son suficientes para diminuír o consumo de auga.

Figura 4.11: Resultados de Ferraro, Miranda, and Price (2011) . Os tratamentos foron enviados o 21 de maio de 2007, e os efectos foron medidos durante os veráns de 2007, 2008 e 2009. Ao separar o tratamento, os investigadores esperaban desenvolver un mellor sentido dos mecanismos. O tratamento exclusivo de consellos non tiña ningún efecto nun prazo curto (un ano), medio (dous anos) e longo (tres anos). As suxestións máis o tratamento de apelación causaron que os participantes reduzan o uso de auga, pero só a curto prazo. O consello máis o recurso eo tratamento da información entre pares fixeron que os participantes reduzan o uso de auga a curto, medio e longo prazo. As barras verticais son intervalos de confianza estimados. Ver Bernedo, Ferraro, and Price (2014) para materiais de estudo reais. Adaptado de Ferraro, Miranda, and Price (2011) , táboa 1.

O ideal sería que se superase a capas dos compoñentes (consellos, suxestións e apelidos, suxestións, apelidos e máis información peer) para un deseño factorial completo, tamén ás veces chamado deseño factorial \(2^k\) comprobáronse tres elementos (táboa 4.1). Ao probar cada combinación posible de compoñentes, os investigadores poden avaliar completamente o efecto de cada compoñente de xeito illado e en combinación. Por exemplo, o experimento de Ferraro e colegas non revela se a comparación por parellas só sería suficiente para levar a cambios a longo prazo no comportamento. No pasado, estes deseños factoriales foron difíciles de executar porque requiren un gran número de participantes e requiren que os investigadores poidan controlar e administrar con precisión un gran número de tratamentos. Pero, nalgunhas situacións, a idade dixital elimina estas restricións loxísticas.

En resumo, os mecanismos, os camiños a través dos cales o tratamento ten un efecto, son sumamente importantes. Os experimentos en idade dixital poden axudar aos investigadores a coñecer mecanismos (1) recollendo datos de procesos e (2) habilitando deseños factoriales completos. Os mecanismos suxeridos por estes enfoques poden ser probados directamente por experimentos deseñados especificamente para probar mecanismos (Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016) .

En total, estes tres conceptos -valididade, heteroxeneidade dos efectos do tratamento e mecanismos- proporcionan un potente conxunto de ideas para deseñar e interpretar experimentos. Estes conceptos axudan aos investigadores a superar os experimentos sinxelos sobre o que "funciona" a experimentos máis ricos que teñen vínculos máis estritos coa teoría, que revelan onde e por que os tratamentos funcionan e que poden axudar aos investigadores a deseñar tratamentos máis eficaces. Dado este antecedente conceptual sobre os experimentos, agora diríxome a como podes facer as túas experiencias.