4.4.3 Mekanismer

Eksperimenter måle hva som skjedde. Mekanismer forklare hvorfor og hvordan det skjedde.

Den tredje nøkkelen ideen til å gå utover enkle eksperimenter er mekanismer. Mekanismer fortelle oss hvorfor eller hvordan en behandling forårsaket en effekt. Prosessen med å lete etter mekanismer er også noen ganger kalt ute for å gripe inn variabler eller formidling av variabler. Selv om forsøk er gode for å estimere kausale effekter, er de ofte ikke er egnet til å avdekke mekanismer. Digitale alder eksperimenter kan hjelpe oss med å identifisere mekanismer på to måter: 1) de gjør oss i stand til å samle inn mer prosessdata og 2) de gjør oss i stand til å teste mange relaterte behandlinger.

Fordi mekanismer er vanskelig å definere formelt (Hedström and Ylikoski 2010) , kommer jeg til å begynne med et enkelt eksempel: lime og skjørbuk (Gerber and Green 2012) . I det 18. århundre leger hadde en ganske god følelse at når seilerne spiste limes de ikke får skjørbuk. Skjørbuk er en forferdelig sykdom, så dette var kraftige informasjon. Men, disse legene ikke vet hvorfor limes forhindret skjørbuk. Det var ikke før 1932, nesten 200 år senere, at forskerne kunne vise pålitelig at vitamin C var grunnen til at kalk forhindret skjørbuk (Carpenter 1988, p 191) . I dette tilfellet, er vitamin C den mekanisme som limes hindre skjørbuk (figur 4.9). Selvfølgelig, identifisere mekanismen er svært viktig vitenskapelig masse vitenskapen om å forstå hvorfor ting skjer. Identifisere mekanismer er svært viktig praktisk. Når vi forstår hvorfor en behandling virker, kan vi potensielt utvikle nye behandlinger som fungerer enda bedre.

Figur 4.9: Limes hindre skjørbuk og mekanismen er vitamin C.

Uheldigvis isolere mekanismer er meget vanskelig. I motsetning limes og skjørbuk, i mange sosiale sammenhenger, behandlinger sannsynligvis operere gjennom mange beslektede veier, noe som gjør isolering av mekanismer ekstremt vanskelig. Men i tilfelle av sosiale normer og energibruk, har forskere forsøkt å isolere mekanismer ved å samle prosessdata og testing relaterte behandlinger.

En måte å teste mulige mekanismer er ved å samle prosessdata om hvordan behandlingen påvirket mulige mekanismer. For eksempel, husker at Allcott (2011) viste at Home Energy Reports forårsaket folk til å senke sine strømforbruk. Men, hvordan disse rapportene lavere strømforbruk? Hva var de mekanismene? I en oppfølgingsstudie, Allcott and Rogers (2014) inngått samarbeid med et kraftselskap som gjennom en rabatt program, hadde fått informasjon om hvilke forbrukere oppgradert sine apparater til mer energieffektive modeller. Allcott and Rogers (2014) fant at litt mer personer som mottar Home Energy Reports oppgradert sine apparater. Men denne forskjellen var så liten at den bare kan utgjøre 2% av reduksjonen i energibruken i de behandlede husholdninger. Med andre ord, apparatet oppgraderinger var ikke den dominerende mekanisme som Home Energy Rapporter redusert strømforbruk.

En annen måte å studere mekanismene er å drive forsøk med litt forskjellige versjoner av behandlingen. For eksempel, i forsøket av Schultz et al. (2007) og alle de etterfølgende Home Energy Report eksperimenter, deltakerne var utstyrt med en behandling som har to hoveddeler 1) tips om energisparing og 2) informasjon om deres bruk av energi i forhold til sine jevnaldrende (figur 4.6). Dermed er det mulig at energisparende tips er hva som forårsaket endringen, ikke peer informasjon. For å vurdere muligheten for at tipsene alene kan ha vært tilstrekkelig, Ferraro, Miranda, and Price (2011) inngått samarbeid med en vannverket i nærheten av Atlanta, GA, og kjørte en beslektet eksperiment på vannforbruk involverer om lag 100.000 husstander. Det var fire forhold:

• en gruppe som fikk tips om å spare vann.
• en gruppe som fikk tips om å spare vann + en moralsk appell for å spare vann.
• en gruppe som fikk tips om å spare vann + en moralsk appell for å spare vann + informasjon om deres bruk av vann i forhold til sine jevnaldrende.
• en kontrollgruppe.

Forskerne fant at spissene eneste behandling hadde ingen virkning på vannforbruket i den korte (ett år), medium (to år), og lang (tre år) sikt. Den tips + appell behandling forårsaket deltakerne til å redusere vannforbruket, men bare på kort sikt. Endelig tips + appell + peer informasjon behandling forårsaket redusert bruk på kort, mellomlang og lang sikt (figur 4.10). Slike eksperimenter med unbundled behandlinger er en god måte å finne ut hvilken del av behandlings eller hvilke deler sammen-er de som forårsaker effekten (Gerber and Green 2012, Sec. 10.6) . For eksempel viser eksperimentet av Ferraro og kolleger oss at vann sparetips alene er ikke nok til å redusere vannforbruket.

Figur 4.10: Resultater fra Ferraro, Miranda, and Price (2011) . Behandlinger ble sendt 21 mai 2007, og effekten ble målt i løpet av sommeren av 2007, 2008 og 2009. Ved unbundling behandling forskerne håpet å utvikle en bedre forståelse av mekanismene. Tipsene eneste behandlingen hadde egentlig ingen effekt på kort (ett år), middels (to år), og lang (tre år) sikt. Den tips + appell behandling forårsaket deltakerne til å redusere vannforbruket, men bare på kort sikt. Rådene + appell + peer informasjon behandling forårsaket deltakerne til å redusere vannforbruket på kort, mellomlang og lang sikt. Vertikale linjene er beregnet konfidensintervall. Se Bernedo, Ferraro, and Price (2014) for selve læremateriell.

Ideelt sett skulle man gå utover den lagdeling av komponenter (tips; tips + anke, tips + appell + peer informasjon) til en full faktoriell design-også noen ganger kalt en \ (2 ^ k \) faktoriell design-der hver mulig kombinasjon av tre elementer er testet (tabell 4.1). Ved å teste alle mulige kombinasjoner av komponenter, kan forskere fullt ut å vurdere effekten av hver komponent i isolasjon og i kombinasjon. For eksempel, gjør eksperiment Ferraro og kolleger ikke avsløre om peer sammenligning alene ville ha vært tilstrekkelig til å føre til langsiktige endringer i atferd. I det siste har disse komp faktorielle utførelser vært vanskelig å løpe fordi de krever et stort antall deltakere, og de krever forskere å være i stand til nøyaktig kontroll og levere et stort antall behandlinger. Men, fjerner den digitale tidsalderen de logistiske begrensningene i enkelte situasjoner.

I sammendraget, mekanismer-trasé gjennom hvilke en behandling har en effekt-er utrolig viktig. Digitale alder eksperimenter kan hjelpe forskere lære om mekanismer 1) å samle prosessdata og 2) som muliggjør fulle faktorielle design. Mekanismene foreslått av disse metodene kan deretter ved testes direkte ved eksperimenter som er spesielt utviklet for å teste mekanismer (Ludwig, Kling, and Mullainathan 2011; Imai, Tingley, and Yamamoto 2013; Pirlott and MacKinnon 2016) .

Til sammen disse tre begrepene-validitet; heterogenitet av behandlingseffekter; og mekanismer-gi et kraftig sett med ideer for å utforme og tolke eksperimenter. Disse begrepene hjelpe forskere å gå utover enkle eksperimenter om hva "fungerer" til rikere eksperimenter som har strammere linker til teori, som avslører hvor og hvorfor behandlinger som fungerer, og kan også hjelpe forskerne designe mer effektive behandlinger. Gitt denne konseptuelle bakgrunnen om eksperimenter, vil jeg nå slå til hvordan du faktisk kan gjøre eksperimentene skje.