4.4.3メカニズム

実験は、何が起こったかを測定します。なぜ、メカニズムは、それが起こったのかを説明します。

簡単な実験を超えて移動するための第3の重要なアイデアはメカニズムです。メカニズムは、治療がなぜまたはどのようにして効果を引き起こしたかを示す。メカニズムを検索するプロセスは、 介在変数や媒介変数の検索と呼ばれることもあります 。実験は因果関係の推定には良いが、しばしばメカニズムを明らかにするようには設計されていない。デジタル実験は、（1）より多くのプロセスデータを収集できるようにすること、（2）関連する多くの処理をテストできること、の2つの方法でメカニズムを特定するのに役立ちます。

メカニズムは形式的に定義するのが難しいので(Hedström and Ylikoski 2010) 、私は簡単な例から始めるつもりです：limes and scurvy (Gerber and Green 2012) 。 18世紀には、船員がライムを食べたときに壊血病にならなかったことを医師がよく知っていました。壊血病はひどい病気なので、これは強力な情報でした。しかし、これらの医師は、 なぜライムが壊血病を防ぐのか分からなかった。ほぼ200年後の1932年になって、ライムが壊血病を予防する理由がビタミンCであることを科学者が確実に示すことができました(Carpenter 1988, 191) 。この場合、ビタミンCは、ライムが壊血病を予防するメカニズムです （図4.10）。もちろん、メカニズムを特定することは科学的にも非常に重要です。多くの科学は、何が起こるのかを理解することです。メカニズムの特定も非常に重要です。なぜ治療が効果的なのか理解できたら、さらに効果的な新しい治療法を開発する可能性があります。

図4.10：ライムは壊血病を予防し、そのメカニズムはビタミンCです。

残念ながら、隔離機構は非常に困難です。多くの社会的状況では、石灰や壊血病とは異なり、治療法はおそらく多くの相互に関連した経路を通じて作用するでしょう。しかし、社会的規範とエネルギー使用の場合、研究者はプロセスデータを収集し、関連する処理をテストすることによってメカニズムを分離しようとしている。

可能なメカニズムを試験する1つの方法は、治療がどのように可能なメカニズムに影響を与えたかについてのプロセスデータを収集することである。例えば、 Allcott (2011)がHome Energy Reportsが人々に電力使用量を低下させたことを示したことを思い出してください。しかし、これらの報告書はどのようにして電気使用量を削減したかメカニズムは何ですか？フォローアップ調査では、 Allcott and Rogers (2014)はリベートプログラムを通じて、消費者がどの機器をエネルギー効率の高いモデルにアップグレードしたかに関する情報を取得した電力会社と提携しました。 Allcott and Rogers (2014)は、ホームエナジーレポートを受け取った人が家電製品をアップグレードした人がやや多いことを発見しました。しかし、この差は小さかったため、治療された世帯のエネルギー使用量のわずか2％を占めるにすぎませんでした。言い換えれば、家電エコノミストが電力消費を削減した主なメカニズムは、家電機器のアップグレードではありませんでした。

メカニズムを研究するもう一つの方法は、わずかに異なる治療法を用いて実験を行うことです。例えば、 Schultz et al. (2007)の実験では、 Schultz et al. (2007) 、その後のすべての家庭エネルギー報告実験では、参加者には、2つの主要な部分（1）省エネルギーに関するヒントと（2）同僚とのエネルギー使用に関する情報（図4.6）がある。したがって、省エネのヒントは、ピア情報ではなく、変更の原因となった可能性があります。ヒントだけで十分である可能性を評価するために、 Ferraro, Miranda, and Price (2011)はジョージア州アトランタ近郊の水道会社と提携し、約10万世帯の水保全に関する関連実験を実施した。 4つの条件がありました。

• 節水に関するヒントを受けたグループ
• 節水に関するヒントと水を節約する道徳的な魅力を受けたグループ
• 節水に関するヒントと水を節約するための道徳的な魅力を加えたグループと、同僚との水使用に関する情報
• 対照群

研究者らは、ヒントのみの処理は、短期（1年）、中期（2年）および長期（3年）の用語で水の使用に影響を及ぼさないことを見出した。ヒントと魅力的な治療によって、参加者は水の使用量を減らすことができましたが、それは短期間に限られていました。最後に、ヒントプラスアピールとピア情報の処理により、短期、中期、長期の使用が減少しました（図4.11）。アンバンドルされた治療法を用いたこれらの種類の実験は、治療のどの部分か、またはどの部分が一緒になって効果を引き起こすかを把握するのに良い方法です(Gerber and Green 2012, sec. 10.6) 。たとえば、Ferraroらの実験では、節水のヒントだけでは水の使用量を減らすことができないことがわかります。

図4.11： Ferraro, Miranda, and Price (2011)結果治療は2007年5月21日に行われ、2007年、2008年、および2009年の夏に効果が測定された。治療のバンドルを解除することにより、研究者はより良いメカニズムの理解を望んでいた。ヒントのみの治療は、短期（1年）、中期（2年）、長期（3年）の期間に本質的に影響を及ぼさなかった。ヒントと魅力的な治療によって、参加者は水の使用量を減らすことができましたが、短期間でしかありませんでした。アドバイスプラスアピールとピア情報の処理により、参加者は短期、中期、および長期的に水の使用を減らしました。縦棒は推定信頼区間です。実際の学習教材はBernedo, Ferraro, and Price (2014)を参照してください。 Ferraro, Miranda, and Price (2011) 、表1から適応されている。

理想的には、コンポーネントのレイヤー（ヒント;ヒントとアピール;ヒントとアピールとピア情報）から、時には\(2^k\)階乗設計と呼ばれる完全な要素デザインに移行します。 3つの要素がテストされます（表4.1）。可能なすべてのコンポーネントの組み合わせをテストすることにより、研究者は各コンポーネントの影響を個別に、または組み合わせて完全に評価することができます。例えば、Ferraroらの実験では、ピア比較だけでは行動の長期的変化につながるのかどうかは明らかではない。過去には、多数の参加者が必要であり、研究者が多数のトリートメントを正確に制御して提供する必要があるため、これらの完全な要因設計は実行が困難でした。しかし、状況によっては、デジタル時代がこれらの物流上の制約を取り除く。

要約すると、治療が効果をもたらすメカニズムであるメカニズムは非常に重要です。デジタル時代の実験は、（1）プロセスデータを収集し、（2）完全な要因設計を可能にすることによって、研究者がメカニズムについて学ぶのを助けることができる。これらのアプローチによって提案されたメカニズムは、テストメカニズムに特別に設計された実験によって直接テストすることができます(Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016) 。

全体として、これら3つの概念（有効性、治療効果の異質性、メカニズム）は、実験の設計と解釈のための強力なアイデアを提供します。これらの概念は、研究者が理論とのより緊密なつながりを持ち、治療がどこで、なぜ必要なのかを明らかにし、さらに効果的な治療法を設計するのに役立つ可能性のあるより豊かな実験について、実験についてのこの概念的な背景を踏まえて、実際に実験を実際に行う方法について説明します。