4.4.2 ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ

ಪ್ರಯೋಗಗಳು ಸಾಮಾನ್ಯವಾಗಿ ಸರಾಸರಿ ಪರಿಣಾಮವನ್ನು ಅಳೆಯಬಹುದು, ಆದರೆ ಪರಿಣಾಮ ವಿವಿಧ ಜನರು ವಿವಿಧ ಮಾಡಬಹುದು.

ಸರಳವಾದ ಪ್ರಯೋಗಗಳ ಮೀರಿ ಚಲಿಸುವ ಎರಡನೇ ಪ್ರಮುಖ ಕಲ್ಪನೆ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಆಗಿದೆ. ಪ್ರಯೋಗದ Schultz et al. (2007) ಶಕ್ತಿಯುತವಾಗಿ ಹೇಗೆ ಅದೇ ಚಿಕಿತ್ಸೆ ಜನರು (ಚಿತ್ರ 4.4) ವಿವಿಧ ರೀತಿಯ ವಿವಿಧ ಪರಿಣಾಮಗಳನ್ನು ಬೀರಬಹುದು ವಿವರಿಸುತ್ತದೆ, ಆದರೆ ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಈ ವಿಶ್ಲೇಷಣೆ ಅನಲಾಗ್ ವಯಸ್ಸು ಪ್ರಯೋಗ ವಾಸ್ತವವಾಗಿ ಬಹುಮಟ್ಟಿಗೆ ಅಸಾಧಾರಣವಾಗಿದೆ. ಹೆಚ್ಚಿನ ಅನಲಾಗ್ ವಯಸ್ಸು ಪ್ರಯೋಗಗಳನ್ನು ಬಗ್ಗೆ ಸ್ವಲ್ಪ ಚಿಕಿತ್ಸೆ ಪೂರ್ವ ಕರೆಯಲಾಗುತ್ತದೆ ಏಕೆಂದರೆ ಪರಸ್ಪರ "ವಿಜೆಟ್ಗಳನ್ನು" ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ ಭಾಗವಹಿಸುವವರು ಒಂದು ಸಣ್ಣ ಸಂಖ್ಯೆಯ ಒಳಗೊಂಡಿರುತ್ತವೆ. ಡಿಜಿಟಲ್ ಪ್ರಯೋಗಗಳಲ್ಲಿ, ಆದಾಗ್ಯೂ, ಈ ಡೇಟಾವನ್ನು ನಿರ್ಬಂಧಗಳನ್ನು ಸಂಶೋಧಕರು ಹೆಚ್ಚು ಭಾಗವಹಿಸುವವರು ಮತ್ತು ಬಗ್ಗೆ ಹೆಚ್ಚು ತಿಳಿಯಲು ಒಲವು ಏಕೆಂದರೆ ಕಡಿಮೆ ಸಾಮಾನ್ಯವಾಗಿದೆ. ಈ ವಿವಿಧ ಅಕ್ಷಾಂಶ ಪರಿಸರದಲ್ಲಿ, ನಾವು ಚಿಕಿತ್ಸೆ ಕೆಲಸ ಹೇಗೆ ಸುಧಾರಿತ ಹೇಗೆ, ಮತ್ತು ಹೇಗೆ ಪ್ರಯೋಜನ ಬಹುತೇಕ ಸಾಧ್ಯತೆ ಆ ಗುರಿ ಮಾಡಬಹುದು ಸುಳಿವು ಒದಗಿಸುವ ಸಲುವಾಗಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಅಂದಾಜಿಸಬಹುದು.

ಸಾಮಾಜಿಕ ರೂಢಿಗಳನ್ನು ಮತ್ತು ಇಂಧನ ಬಳಕೆಗೆ ಸಂದರ್ಭದಲ್ಲಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಎರಡು ಉದಾಹರಣೆಗಳು ಮುಖಪುಟ ಎನರ್ಜಿ ವರದಿಗಳು ಮೇಲೆ ಹೆಚ್ಚುವರಿ ಸಂಶೋಧನೆಯ ಬರುತ್ತವೆ. ಮೊದಲ, Allcott (2011) ಮತ್ತಷ್ಟು ಮಾದರಿ ಬೇರ್ಪಟ್ಟು ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು ಶಕ್ತಿ ಬಳಕೆ ಆಫ್ decile ಮುಖಪುಟ ಎನರ್ಜಿ ರಿಪೊರ್ಟ್ ಪರಿಣಾಮ ಅಂದಾಜು ದೊಡ್ಡ ಸ್ಯಾಂಪಲ್ ಗಾತ್ರ (600,000 ಮನೆತನದ) ಬಳಸಲಾಗುತ್ತದೆ. ಆದರೆ Schultz et al. (2007) ಕಂಡು ದೀರ್ಘ ಮತ್ತು ಸರಳ ಬಳಕೆದಾರರ ನಡುವೆ ವ್ಯತ್ಯಾಸಗಳು, Allcott (2011) ದೀರ್ಘ ಮತ್ತು ಸರಳ ಬಳಕೆದಾರ ಗುಂಪಿನಲ್ಲಿ ವ್ಯತ್ಯಾಸಗಳು ಕಂಡು ಎಂದು ಕಂಡುಬರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಹೆಚ್ಚು ಬಳಕೆದಾರರು (ಟಾಪ್ decile ಆ) ಭಾರೀ ಬಳಕೆದಾರ ಗುಂಪು (ಚಿತ್ರ 4.7) ಮಧ್ಯದಲ್ಲಿ ಯಾರಾದರೂ ಎರಡರಷ್ಟು ಹೆಚ್ಚು ತಮ್ಮ ಶಕ್ತಿ ಬಳಕೆ ಕಡಿಮೆ. ಇದಲ್ಲದೆ, ಪೂರ್ವ ಸಂಸ್ಕರಣವನ್ನು ನಡವಳಿಕೆಯಿಂದ ಪರಿಣಾಮ ಅಂದಾಜು ಸಹ ಇನ್ನೂ ಹಗುರವಾದ ಬಳಕೆದಾರರು (ಚಿತ್ರ 4.7) ಒಂದು ಬೂಮರಾಂಗ್ ಪರಿಣಾಮ ಇಲ್ಲ ಎಂದು ಬಹಿರಂಗ.

ಚಿತ್ರ 4.7: ಚಿಕಿತ್ಸೆ ಪರಿಣಾಮಗಳ ವಿವಿಧತೆಗಳ Allcott (2011) . ಶಕ್ತಿಯ ಬಳಕೆಯನ್ನು ಕಡಿಮೆ ಬೇಸ್ಲೈನ್ ಬಳಕೆ ವಿವಿಧ deciles ಜನರಿಗೆ ಭಿನ್ನವಾಗಿತ್ತು.

ಸಂಬಂಧಿತ ಅಧ್ಯಯನದಲ್ಲಿ, Costa and Kahn (2013) ಮುಖಪುಟ ಎನರ್ಜಿ ವರದಿ ಪರಿಣಾಮಕಾರಿತ್ವವನ್ನು ಭಾಗವಹಿಸುವವರ ರಾಜಕೀಯ ಸಿದ್ಧಾಂತ ಮತ್ತು ಚಿಕಿತ್ಸೆ ವಾಸ್ತವವಾಗಿ ಕೆಲವು ಸಿದ್ಧಾಂತಗಳ ಬಗ್ಗೆ ಜನರು ತಮ್ಮ ವಿದ್ಯುತ್ ಬಳಕೆ ಹೆಚ್ಚಿಸಲು ಕಾರಣವಾಗುವ ನಿರ್ಧಾರವಾಗುತ್ತವೆ ಎಂದು ಊಹಿಸಲಾಗಿದೆ. ಅರ್ಥಾತ್, ಅವರು ಮುಖಪುಟ ಎನರ್ಜಿ ವರದಿಗಳು ಜನರು ಕೆಲವು ರೀತಿಯ ಒಂದು ಬೂಮರಾಂಗ್ ಪರಿಣಾಮ ರಚಿಸಲು ಸಾಧ್ಯತೆಗಳಿವೆ ಎಂದು ಆಗ ಊಹಿಸಲಾಗಿತ್ತು. ಈ ಸಾಧ್ಯತೆಯನ್ನು ನಿರ್ಣಯಿಸಲು, ಕೋಸ್ಟಾ ಮತ್ತು ಕಾಹ್ನ್ ಇಂತಹ ರಾಜಕೀಯ ಪಕ್ಷದ ನೋಂದಣಿ, ಪರಿಸರ ಸಂಸ್ಥೆಗಳಿಗೆ ದೇಣಿಗೆ, ಮತ್ತು ನವೀಕರಿಸಬಹುದಾದ ಶಕ್ತಿ ಕಾರ್ಯಕ್ರಮಗಳಲ್ಲಿ ಮನೆಯ ಭಾಗವಹಿಸುವಿಕೆ ಮಾಹಿತಿಯನ್ನು ಒಳಗೊಂಡ ಒಂದು ತೃತೀಯ ಸಂಗ್ರಾಹಕ ಖರೀದಿಸಿದ ದತ್ತಾಂಶ Opower ಡೇಟಾ ವಿಲೀನಗೊಂಡಿತು. ಈ ವಿಲೀನಗೊಂಡ ದತ್ತಾಂಶ, ಕೋಸ್ಟಾ ಮತ್ತು ಕಾಹ್ನ್ ಮುಖಪುಟ ಎನರ್ಜಿ ವರದಿಗಳು ವಿವಿಧ ಸಿದ್ಧಾಂತಗಳನ್ನು ಭಾಗವಹಿಸುವವರು ಸ್ಥೂಲವಾಗಿ ಇದೇ ಪರಿಣಾಮಗಳನ್ನು ನಿರ್ಮಾಣ ಎಂಬುದನ್ನು; ಯಾವುದೇ ಗುಂಪು ಬೂಮರಾಂಗ್ ಪರಿಣಾಮಗಳು (ಚಿತ್ರ 4.8) ಪ್ರದರ್ಶಿಸಿದ ಯಾವುದೇ ಸಾಕ್ಷ್ಯಾಧಾರಗಳಿಲ್ಲ.

ಚಿತ್ರ 4.8: ಚಿಕಿತ್ಸೆ ಪರಿಣಾಮಗಳ ವಿವಿಧತೆಗಳ Costa and Kahn (2013) . ಇಡೀ ಮಾದರಿ ಅಂದಾಜು ಸರಾಸರಿ ಚಿಕಿತ್ಸೆ ಪರಿಣಾಮ -2,1% [-1,5% -2,7%] ಆಗಿದೆ. ಕುಟುಂಬಗಳು ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಪ್ರಯೋಗ ಮಾಹಿತಿಯನ್ನು ತುಲನೆ, Costa and Kahn (2013) ಜನರ ನಿರ್ದಿಷ್ಟ ಗುಂಪುಗಳಿಗೆ ಚಿಕಿತ್ಸೆ ಪರಿಣಾಮ ಅಂದಾಜು ಅಂಕಿಅಂಶಗಳ ಮಾದರಿಗಳ ಸರಣಿ ಬಳಸಲಾಗುತ್ತದೆ. (ಮಾದರಿ ಕೋಷ್ಟಕ 3 ಮತ್ತು ಟೇಬಲ್ 4 ನಲ್ಲಿ 4 ಮತ್ತು ಮಾದರಿ 6 ಕಾಣುವ ಅಂದಾಜು covariates ತಮ್ಮ ಅಂಕಿಅಂಶಗಳ ಮಾದರಿಗಳ ಸೇರಿಸಲಾಗಿದೆ ಮೇಲೆ ಏಕೆಂದರೆ ಎರಡು ಅಂದಾಜುಗಳನ್ನು ಪ್ರತಿ ಗುಂಪಿಗೆ ನೀಡಲಾಗುತ್ತದೆ Costa and Kahn (2013) ). ಈ ಉದಾಹರಣೆಯಲ್ಲಿ ವಿವರಿಸುವಂತೆ, ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಅಂಕಿಅಂಶಗಳ ಮಾದರಿಗಳ ಬರುವ ಆ ಮಾದರಿಗಳು ವಿವರಗಳನ್ನು ಅವಲಂಬಿಸುತ್ತದೆ ವಿವಿಧ ಜನರು ಮತ್ತು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಅಂದಾಜು ವಿವಿಧ ಮಾಡಬಹುದು (Grimmer, Messing, and Westwood 2014) .

ಈ ಎರಡು ಉದಾಹರಣೆಗಳು ವಿವರಿಸುತ್ತದೆ ಎಂದು, ಡಿಜಿಟಲ್ ಯುಗದಲ್ಲಿ, ನಾವು ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಅಂದಾಜು ನಾವು ಅನೇಕ ಹೆಚ್ಚು ಭಾಗವಹಿಸುವವರು ಹೊಂದಬಹುದು ಮತ್ತು ನಾವು ಆ ಭಾಗವಹಿಸುವವರು ಬಗ್ಗೆ ಹೆಚ್ಚು ತಿಳಿಯಲು ಏಕೆಂದರೆ ಸರಾಸರಿ ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಅಂದಾಜು ಮಾಡುವುದರಿಂದ ಚಲಿಸಬಹುದು. ಚಿಕಿತ್ಸೆಯ ಪರಿಣಾಮಗಳನ್ನು ಹೆಟೆರೋಜೀನಿಯಿಟಿ ಬಗ್ಗೆ ಕಲಿಯಲು ಇದು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿರುತ್ತದೆ ಚಿಕಿತ್ಸಾಪದ್ಧತಿಯ ದಾರಿ ಗುರಿ ಕಾರ್ಯಗತಗೊಳಿಸದ, ಹೊಸ ಸಿದ್ಧಾಂತವನ್ನು ಅಭಿವೃದ್ಧಿ ಉತ್ತೇಜಿಸುವ ಸತ್ಯ ಒದಗಿಸಲು, ಮತ್ತು ಒಂದು ಸಂಭಾವ್ಯ ಕಾರ್ಯವಿಧಾನದ, ನಾನು ಈಗ ತಿರುಗುತ್ತವೆ ವಿಷಯ ಬಗ್ಗೆ ಸುಳಿವು ಒದಗಿಸಲು.