Experimentos normalmente medir o efecto da media, pero o efecto pode ser diferente para persoas diferentes.
A segunda idea clave para ir alén de experiencias simples é a heteroxeneidade dos efectos do tratamento. O experimento de Schultz et al. (2007) poderosamente ilustra como o mesmo tratamento pode ter efectos diferentes en diferentes tipos de persoas (Figura 4.4), pero esta análise da heteroxeneidade é moi inusual para un experimento era analóxica. A maioría dos experimentos era analóxica implica un pequeno número de participantes que son tratados como "widgets" intercambiables por pouco sobre eles é coñecido pretratamento. En experiencias dixitais, no entanto, estas restricións de datos son menos comúns porque os investigadores tenden a ter máis participantes e saber máis sobre eles. Neste ámbito de datos diferente, podemos estimar a heteroxeneidade dos efectos do tratamento, a fin de proporcionar pistas sobre como o tratamento funciona, como pode ser mellorada, e como pode ser dirixidos para os máis probable para beneficiarse.
Dous exemplos de heteroxeneidade dos efectos do tratamento no contexto das normas sociais e uso de enerxía veñen de investigacións adicionais sobre a Home Energy Reports. En primeiro lugar, Allcott (2011) usou o tamaño da mostra grande (600.000 fogares) para dividir aínda máis a mostra e estimar o efecto do Informe de Enerxía Home por decil de uso de enerxía pretratamento. Mentres Schultz et al. (2007) atoparon diferenzas entre os usuarios pesados e lixeiros, Allcott (2011) atoparon que había tamén diferenzas dentro do grupo de usuarios pesados e lixeiros. Por exemplo, os usuarios máis pesados (aqueles no decil superior) reduciu o seu consumo de enerxía dúas veces máis que alguén no medio do grupo de usuarios pesada (Figura 4.7). Ademais, a estimación do efecto polo comportamento de pretratamento tamén revelou que non había un efecto boomerang mesmo para os usuarios máis lixeiros (Figura 4.7).
Nun estudo relacionado, Costa and Kahn (2013) especularon que a eficacia do Informe de Enerxía Inicio podería variar segundo a ideoloxía política dun participante e que o tratamento pode realmente causar persoas con certas ideoloxías a aumentar o uso de enerxía eléctrica. Noutras palabras, eles especularon que a casa Informes de enerxía pode estar creando un efecto boomerang para algúns tipos de persoas. Para avaliar esta posibilidade, Costa e Kahn fundiu os datos Opower datos adquiridos a partir dun agregador de terceiros que incluíu información como o rexistro de partidos políticos, as doazóns para organizacións de medio ambiente, e participación das familias nos programas de enerxía renovable. Con este conxunto de datos resultante da fusión, Costa e Kahn descubriu que as Portada Relatos de Enerxía produciu efectos moi semellantes aos asistentes con diferentes ideoloxías; non había ningunha evidencia que calquera grupo exhibiu efectos bumerangue (Figura 4.8).
Como estes dous exemplos ilustran, na era dixital, podemos pasar de estimar efectos medios de tratamento para estimar a heteroxeneidade dos efectos do tratamento porque podemos ter moitos máis participantes e sabemos máis sobre estes participantes. Aprender sobre a heteroxeneidade dos efectos do tratamento pode permitir a segmentación dun tratamento onde é máis eficaz, proporcionar feitos que estimulan o desenvolvemento de novos teoría, e proporcionar pistas sobre un posible mecanismo, o tema para o que eu volver agora.