4.4.2异质性的治疗效果

实验通常测量平均的效果，但效果可以为不同的人的不同。

对于超越简单的实验的第二个关键思想是治疗效果的异质性 。的实验Schultz et al. (2007)有力地说明了同样的待遇如何能够对不同的人（图4.4）不同的效果，但异质性的这种分析其实是相当不寻常的一个模拟实验的年龄。大多数模拟实验，年龄涉及少数参与者被视为可以互相交换“部件”，因为一些关于他们被称为预处理。在数字实验，但是，这些数据的限制是不太常见，因为研究人员往往有更多的参与者和更多的了解他们。在这种不同的数据环境中，我们可以以提供有关治疗是如何工作的，如何可以改善，以及如何有针对性地那些最有可能受益的线索评估治疗效果的异质性。

在社会规范和能源使用情况下治疗效果异质性的两个​​例子都来自于家庭能源报告更多的研究。首先， Allcott (2011)中使用的大样本（600,000户）进一步分裂样品和由前处理的能源使用的等分估计家庭能源报告的效果。而Schultz et al. (2007)发现重链和轻用户之间的差异， Allcott (2011)发现，也有重和轻用户组内差异。例如，最重的用户（那些在顶部等分）的两倍减少其能源使用如某人在重用户组（图4.7）的中间。此外，通过前处理状况估计的影响还透露，甚至没有最轻用户（图4.7）自食其果的效果。

图4.7：在治疗效果异质性Allcott (2011) 。在能源使用的减少是人们在使用的基准不同的十分位数不同。

在一项相关研究中， Costa and Kahn (2013)推测，家庭能源报告的有效性也可依据参与者的政治意识形态和治疗实际上有可能引起患有某些意识形态，以增加他们的用电量。换句话说，他们推测，家庭能源报告可能会创造一些类型的人自食其果的效果。为了评估这种可能性，科斯塔和卡恩合并由第三方信息汇总，其中包括信息，如政党登记，捐赠环境组织，以及在可再生能源项目的家庭参与购买数据Opower数据。有了这个合并后的数据集，科斯塔和卡恩发现，家庭能源生产报告参与者不同意识形态的大致相似的效果;没有证据表明任何集团展出自食其果效应（图4.8）。

图4.8：在治疗效果异质性Costa and Kahn (2013) 。整个样本的平均估计治疗效果是-2.1％[-1.5％，-2.7％。通过从实验有关家庭信息相结合的信息， Costa and Kahn (2013)使用了一系列的统计模型来估计人很特殊群体的治疗效果。两个估计呈现为每个组中，因为估计取决于他们包括在他们的统计模型的协变量（参照建模于表3和表4 4和模型6 Costa and Kahn (2013)这个例子说明，治疗效果可以为不同的人，治疗效果估计来自统计模型可以依赖于这些模型的细节不同(Grimmer, Messing, and Westwood 2014) 。

由于这两个例子说明，在数字时代，我们可以从估计平均治疗效果估计治疗效果的异质性，因为我们可以有更多的参与者，我们更了解那些参加运动。了解治疗效果的异质性可使治疗，其中这是最有效的目标，提供了刺激新理论的发展事实，并提供有关可能的机制，话题我现在转提示。