处理效应异质性的影响及解决方法

实验通常测量的是平均效应，但它对每个人产生的效应很可能是不一样的。

超越简单实验的第二个关键概念是处理效应的异质性。舒尔茨等人的实验有力地说明了同样的处理对不同类型的人会产生不同的效应（图4.4）。但在大多数模拟实验中，研究人员关注的是平均处理效应，因为实验只有少量参与者，而且研究人员对他们也知之甚少。而在数字实验中，通常会有更多的参与者，且研究人员对他们的了解也更多。在这样一个不同的数据环境中，继续只关注平均处理效应的研究人员就会错失三方面的信息：一个处理是如何起作用的、如何对其进行改进以及如何才能让最有可能受益的人接受处理。因为这是要靠评估处理效应的异质性才能获得的信息。

以下两个针对家庭能源报告的额外研究可以被看作处理效应异质性的两个示例。在其中一项研究中，阿尔科特按照实施处理前的用电量将60万户家庭进一步划分为10个等级，然后分别评估了家庭能源报告对它们的影响。舒尔茨等人发现了家庭能源报告对高用电量居民和低用电量居民的影响存在着差异，而阿尔科特则发现，单就高用电量居民或低用电量居民来说，其内部对家庭能源报告的反应也存在着差异。例如，用电量最高的居民（即10个等级中最靠上的居民）节约的电量是用电量居中（就所有高用电量居民来说）的居民的两倍（图4.8）。此外，阿尔科特在这一研究中还发现，并不存在“飞去来器效应”，即使在用电量最低的居民中也没出现这一效应（图4.8）。

图4.8　阿尔科特的研究中呈现出的处理效应的异质性。不同等级的用户节约的电量也不同。改编自Allcott（2011），图8。(www.xing528.com)

在另一项研究中，科斯塔（Costa）和卡恩（Kahn）猜测，家庭能源报告的有效性可能会因参与者的政治意识形态不同而有所差异，某些意识形态的参与者的用电量可能还会因这一处理而增加。换句话说，他们猜测家庭能源报告对某些类型的人可能会产生“飞去来器效应”。为了验证他们的猜测，科斯塔和卡恩将欧电公司的数据与从一个第三方的数据整合者那里购买的数据进行了整合，其中后者的数据包括政党登记、给环境组织的捐赠以及可再生能源在家庭生活中的使用等方面的信息。通过整合后的数据集，科斯塔和卡恩发现，家庭能源报告对政治意识形态不同的参与者所产生的影响大致是相似的，而且各组均未表现出“飞去来器效应”的迹象（图4.9）。

图4.9　科斯塔和卡恩的研究中呈现出来的处理效应的异质性。科斯塔和卡恩对整个样本产生的平均处理效应的估值是-2.1%（-1.5%，-2.7%）。将通过实验得到的信息与家庭信息合并后，他们利用一系列统计模型评估了对特定群组的处理效应。每个群组都有两个估值，因为这些估值取决于他们统计模型中所包含的协变量。正如该实验所示，处理效应可能会因人而异，而利用统计模型得出的处理效应的估值也取决于这些模型的细节（Grimmer，Messing，and Westwood 2014）。改编自Costa and Kahn（2013），表3和表4。

正如这两个研究所示，数字时代让我们实现了从评估平均处理效应到评估处理效应的异质性的过渡，因为我们能拥有更多的参与者，而且对他们有更多的了解。了解处理效应的异质性能让研究人员为某一处理找到最有效的对象，能提供促进新理论发展的事实，还能为可能的原理提供线索，我接下来就将介绍原理。