4.4.2 સારવાર અસરો વૈવિધ્યનો

પ્રયોગો સામાન્ય રીતે સરેરાશ અસર માપે છે, પરંતુ અસર કદાચ દરેક માટે જ નથી.

સરળ પ્રયોગોથી આગળ વધવા માટે બીજો કી વિચાર સારવાર અસરોની વિવિધતા છે . Schultz et al. (2007) પ્રયોગ Schultz et al. (2007) શક્તિશાળી રીતે સમજાવે છે કે કેવી રીતે એક જ સારવાર વિવિધ પ્રકારના લોકો પર અસર કરી શકે છે (આકૃતિ 4.4). મોટા ભાગના એનાલોગ પ્રયોગોમાં, જોકે, સંશોધકોએ સરેરાશ સારવાર અસરો પર ધ્યાન કેન્દ્રિત કર્યું છે કારણ કે ત્યાં થોડી સંખ્યામાં સહભાગીઓ હતા અને તેમના વિશે બહુ ઓછી જાણકારી હતી. ડિજિટલ પ્રયોગોમાં, તેમ છતાં, ઘણી વાર ઘણા સહભાગીઓ હોય છે અને વધુ તેમના વિશે જાણીતા છે. આ અલગ અલગ ડેટા પર્યાવરણમાં, એવા સંશોધકો જે ફક્ત સરેરાશ સારવારની અસરોનો અંદાજ રાખતા રહે છે, તે ઉપચારની પદ્ધતિઓમાંથી બહાર કાઢશે કે જેમાં સારવારની અસરોની વિવિધતાના અંદાજો કેવી રીતે સારવાર કરે છે તે વિશેની કડીઓ આપી શકે છે, તે કેવી રીતે સુધારવામાં આવે છે, અને તે કેવી રીતે લક્ષિત કરી શકાય છે લાભ માટે સૌથી વધુ તે માટે

ઉપચારની વિભિન્નતાના બે ઉદાહરણો હોમ એનર્જી રિપોર્ટ્સ પરના વધારાના સંશોધનમાંથી આવે છે. પ્રથમ, Allcott (2011) નમૂનાનું વધુ વિભાજન કરવા માટેના મોટા નમૂનાનું કદ (600,000 ઘરો) નો ઉપયોગ કરે છે અને પૂર્વ-સારવાર ઊર્જાનો ઉપયોગ દ્વારા હોમ એનર્જી રિપોર્ટની અસરનો અંદાજ કાઢે છે. જ્યારે Schultz et al. (2007) ભારે અને પ્રકાશ વપરાશકર્તાઓ વચ્ચે તફાવત જોવા મળે છે, Allcott (2011) જોયું કે ભારે- અને પ્રકાશ-વપરાશકર્તા જૂથમાં તફાવત પણ હતા. ઉદાહરણ તરીકે, ભારે વપરાશકર્તા (ટોચની ડીસીલમાં) તેમના ઉર્જાનો વપરાશ ભારે બેવડા વપરાશકર્તા જૂથ (આકૃતિ 4.8) ની મધ્યમાં કોઈની જેટલો ઓછો કર્યો છે. વધુમાં, પ્રિ-ટ્રીટમેન્ટ વર્તન દ્વારા અસરનો અંદાજ કાઢીને એ પણ દર્શાવ્યું હતું કે બૂમરેંગ અસર ન હોવા છતાં, સૌથી સહેલા વપરાશકર્તાઓ (આંકડા 4.8) માટે પણ.

આકૃતિ 4.8: Allcott (2011) માં સારવારની અસરોની Allcott (2011) . ઊર્જા વપરાશમાં ઘટાડો બેઝલાઇન વપરાશના વિવિધ ડેસિલ્સના લોકો માટે જુદો હતો. Allcott (2011) , 8 Allcott (2011) .

સંબંધિત અભ્યાસમાં, Costa and Kahn (2013) એવું અનુમાન લગાવ્યું હતું કે હોમ એનર્જી રિપોર્ટની અસરકારકતા ભાગરૂપે રાજકીય વિચારધારાના આધારે બદલાઈ શકે છે અને આ સારવારથી લોકોને લોકોની વીજળીનો ઉપયોગ વધારવા માટે ચોક્કસ સિધ્ધાંતો બનાવવામાં આવી શકે છે. બીજા શબ્દોમાં કહીએ તો, તેમણે અનુમાન લગાવ્યું હતું કે હોમ એનર્જી રિપોર્ટ્સ અમુક પ્રકારના લોકો માટે બૂમરેંગ અસર બનાવી શકે છે. આ સંભાવનાનું મૂલ્યાંકન કરવા માટે, કોસ્ટા અને કાહને એક તૃતીય-પક્ષ એગ્રીગેટર પાસેથી ખરીદેલા ડેટા સાથે ઓપરે ડેટાને મર્જ કર્યો છે જેમાં રાજકીય પક્ષ નોંધણી, પર્યાવરણીય સંસ્થાઓ માટે દાન, અને નવીનીકરણીય ઊર્જા કાર્યક્રમોમાં ઘરની ભાગીદારી જેવી માહિતી શામેલ છે. આ મર્જ થયેલા ડેટાસેટ સાથે, કોસ્ટા અને કાહને જોયું કે હોમ એનર્જી રિપોર્ટ્સ વિવિધ વિચારધારા ધરાવતા સહભાગીઓ માટે મોટા ભાગે સમાન અસર કરે છે; ત્યાં કોઈ પુરાવા નથી કે કોઈપણ જૂથ બૂમરેંગ અસરો (આંકડા 4.9) દર્શાવે છે.

આકૃતિ 4.9: Costa and Kahn (2013) માં સારવારની અસરની વિષુવવૃત્તીયતા. સમગ્ર નમૂના માટે સરેરાશ સારવારની અસર -2.1% [-1.5%, -2.7%] છે. પ્રયોગની માહિતીને ઘરેલુ વિશેની માહિતી સાથે સાંકળ્યા પછી, Costa and Kahn (2013) લોકોના ચોક્કસ જૂથો માટે ઉપચારની અસરના અંદાજ માટે આંકડાકીય મોડલની શ્રેણીનો ઉપયોગ કરે છે. દરેક જૂથ માટે બે અંદાજો પ્રસ્તુત કરવામાં આવે છે કારણ કે અંદાજો તેઓ તેમના આંકડાકીય મોડલ્સમાં સામેલ છે ( Costa and Kahn (2013) માં કોષ્ટકો 3 અને 4 માં મોડલ્સ 4 અને 6 જુઓ). જેમ જેમ આ ઉદાહરણ સમજાવે છે, વિવિધ લોકો માટે સારવારની અસરો જુદા જુદા હોઈ શકે છે અને આંકડાકીય મોડલમાંથી આવતા સારવારની અસરોના અંદાજો તે મોડલ્સ (Grimmer, Messing, and Westwood 2014) ની વિગતો પર આધારિત છે. Costa and Kahn (2013) , કોષ્ટકો 3 અને 4 થી અપનાવવામાં આવ્યું.

ડિજિટલ વયમાં, આ બે ઉદાહરણો સમજાવે છે કે આપણે સારવારની અસરોની વિવિધતાનું અનુમાન લગાવવા માટે સરેરાશ સારવાર અસરોનો અંદાજ કાઢવાથી આગળ વધી શકીએ છીએ કારણ કે અમારી પાસે વધુ સહભાગીઓ હોઈ શકે છે અને અમે તે સહભાગીઓ વિશે વધુ જાણો છો. સારવારની અસરોની વિવિધતા વિશે શીખવું તે સારવારને લક્ષ્ય બનાવી શકે છે જ્યાં તે સૌથી વધુ અસરકારક છે, હકીકતો પ્રદાન કરે છે જે નવા સિદ્ધાંત વિકાસને ઉત્તેજન આપે છે, અને સંભવિત પદ્ધતિઓ વિશે સંકેતો પૂરા પાડે છે, જે વિષય હું હવે ચાલુ કરું છું.