4.4.2 Хетерогеноста на третман ефекти
Експериментите обично го мерат просечниот ефект, но ефектот најверојатно не е ист за секого.
Втората клучна идеја за движење надвор од едноставните експерименти е хетерогеноста на ефектите од третманот . Експериментот на Schultz et al. (2007) силно ја илустрира како ист третман може да има различен ефект врз различни видови на луѓе (слика 4.4). Во повеќето аналогни експерименти, сепак, истражувачите се фокусирале на просечните ефекти на третманот, бидејќи имало мал број на учесници и малку за нив се знаело. Во дигиталните експерименти, сепак, често има многу повеќе учесници и повеќе се знае за нив. Во оваа поинаква средина за податоци, истражувачите кои продолжуваат да проценуваат само просечни ефекти на третман, ќе ги пропуштат начините на кои проценките за хетерогеноста на ефектите од третманот можат да обезбедат индиции за тоа како функционира третманот, како може да се подобри и како може да се насочи на оние кои најверојатно ќе имаат корист.
Два примери на хетерогеност на ефектите од третманот доаѓаат од дополнително истражување на Извештаите за енергетска ефикасност. Прво, Allcott (2011) искористи големата големина на примерокот (600.000 домаќинства) за понатамошно поделба на примерокот и проценка на ефектот од Извештајот за енергетска ефикасност од страна на decile од употребата на енергијата пред третман. Додека Schultz et al. (2007) откриле разлики помеѓу тешките и лесни корисници, Allcott (2011) открил дека има и разлики во групата на тешки и лесни корисници. На пример, најтешките корисници (оние во највисоката деценија) ја намалија нивната употреба на енергија двојно повеќе отколку некој во средината на тешката група (слика 4.8). Понатаму, проценката на ефектот од однесувањето пред третман, исто така, откри дека немало ефект на бумеранг, дури и за најлесните корисници (слика 4.8).
Слика 4.8: Хетерогеност на ефектите од третманот во Allcott (2011) . Намалувањето на употребата на енергија беше различно кај луѓето во различни децили на основно користење. Адаптиран од Allcott (2011) , слика 8.
Во една поврзана студија, Costa and Kahn (2013) шпекулираа дека ефективноста на Извештајот за енергетска ефикасност може да варира врз основа на политичката идеологија на учесникот и дека третманот всушност може да предизвика луѓето со одредени идеологии да ја зголемат нивната употреба на електрична енергија. Со други зборови, тие шпекулираа дека извештаите за енергетска ефикасност може да создадат ефект на бумеранг за некои типови на луѓе. За да се процени оваа можност, Коста и Кан ги споија податоците на Опеуер со податоци купени од агрегатор од трети лица, кој вклучува информации како што се регистрација на политички партии, донации за еколошки организации и учество на домаќинствата во програмите за обновлива енергија. Со оваа споена база на податоци, Коста и Кан утврдиле дека извештаите за енергетска ефикасност генерираат широко слични ефекти за учесниците со различни идеологии; немаше докази дека ниедна група покажала ефекти на бумеранг (слика 4.9).
![Слика 4.9: Хетерогеност на ефектите од третманот во Коста и Кан (2013). Проценетиот просечен ефект на третман за целиот примерок е -2,1% [-1,5%, -2,7%]. По комбинирањето на информациите од експериментот со информации за домаќинствата, Коста и Кан (2013) користеле серија статистички модели за да го проценат ефектот на третманот за многу специфични групи на луѓе. Две оценки се прикажани за секоја група, бидејќи проценките зависат од коваријатите што ги вклучиле во нивните статистички модели (види модели 4 и 6 во табелите 3 и 4 во Коста и Кан (2013)). Како што покажува овој пример, ефектите од третманот можат да бидат различни за различни луѓе, а проценките за ефектите од третманот што произлегуваат од статистичките модели може да зависат од деталите на тие модели (Grimmer, Messing и Westwood 2014). Прилагодени од Коста и Кан (2013), табели 3 и 4.](figures/chapter4/bitbybit4-9_costa_energy_2013_tab4.png)
Слика 4.9: Хетерогеност на ефектите од третманот во Costa and Kahn (2013) . Проценетиот просечен ефект на третман за целиот примерок е -2,1% [-1,5%, -2,7%]. По комбинирањето на информациите од експериментот со информации за домаќинствата, Costa and Kahn (2013) користеле серија статистички модели за да го проценат ефектот на третманот за многу специфични групи на луѓе. Две оценки се прикажани за секоја група, бидејќи проценките зависат од коваријатите што ги вклучиле во нивните статистички модели (види модели 4 и 6 во табелите 3 и 4 во Costa and Kahn (2013) ). Како што покажува овој пример, ефектите од третманот можат да бидат различни за различни луѓе, а проценките за ефектите од третманот што произлегуваат од статистичките модели може да зависат од деталите на тие модели (Grimmer, Messing, and Westwood 2014) . Прилагодени од Costa and Kahn (2013) , табели 3 и 4.
Бидејќи овие два примери илустрираат, во дигиталната ера, можеме да се движиме од проценување на просечните ефекти на третманот до проценка на хетерогеноста на ефектите од третманот, бидејќи можеме да имаме уште многу учесници и знаеме повеќе за тие учесници. Учењето за хетерогеност на ефектите од третманот може да овозможи таргетирање на третман каде што е најефективно, да обезбеди факти кои го стимулираат развојот на новата теорија и да даваат совети за можните механизми, тема на која сега се свртев.
