HETEROGENEOUS TREATMENT EFFECTS OF NUDGE AND REBATE: CAUSAL MACHINE LEARNING IN A FIELD EXPERIMENT ON ELECTRICITY CONSERVATION
HETEROGENEOUS TREATMENT EFFECTS OF NUDGE AND REBATE: CAUSAL MACHINE LEARNING IN A FIELD EXPERIMENT ON ELECTRICITY CONSERVATION
复制标题
助推和回扣的异质处理效果：节电现场实验中的因果机器学习
DOI：
10.1111/iere.12589
复制
发表时间：
2022
影响因子：
1.5
通讯作者：
Ida Takanori
中科院分区：
文献类型：
--
作者：
Murakami Kayo;Shimada Hideki;Ushifusa Yoshiaki;Ida Takanori
本研究通过在日本进行的现场实验，探讨了货币激励和非货币激励对节能行为的不同影响。我们发现，平均减少电力消耗的回扣是4%，而从轻推是没有显着不同的零。应用一种新的机器学习方法的因果推理（因果森林），以估计异质性的治疗效果在家庭层面上，我们表明，轻推干预的治疗效果产生更大的异质性家庭之间。这些研究结果表明，选择性的治疗目标提高了货币和非货币干预的政策效率。
This study investigates the different impacts of monetary and nonmonetary incentives on energy‐saving behaviors using a field experiment conducted in Japan. We find that the average reduction in electricity consumption from the rebate is 4%, whereas that from the nudge is not significantly different from zero. Applying a novel machine learning method for causal inference (causal forest) to estimate heterogeneous treatment effects at the household level, we demonstrate that the nudge intervention's treatment effects generate greater heterogeneity among households. These findings suggest that selective targeting for treatment increases the policy efficiency of monetary and nonmonetary interventions.
登录
查看更多内容
NBER 工作论文系列助推的福利效应：能源使用社会比较的案例研究
DOI：
--
发表时间：
2015
期刊：
影响因子：
--
作者：
Hunt Allcott;Judd B. Kessler
通讯作者：
Judd B. Kessler
DOI：
10.1073/pnas.1510489113
发表时间：
2016-07-05
影响因子：
11.1
作者：
Athey, Susan;Imbens, Guido
通讯作者：
Imbens, Guido
异质家庭对分时电价定价方案反应的因果树估计
DOI：
10.17863/cam.33793
发表时间：
2018
期刊：
arXiv: General Economics
影响因子：
--
作者：
Eoghan O'Neill;M. Weeks
通讯作者：
M. Weeks
DOI：
10.1920/wp.cem.2017.6117
发表时间：
2017-12
期刊：
Randomized Social Experiments eJournal
影响因子：
--
作者：
V. Chernozhukov;Mert Demirer;E. Duflo;Iván Fernández-Val
通讯作者：
V. Chernozhukov;Mert Demirer;E. Duflo;Iván Fernández-Val
创建更智能的美国电网
影响因子：
8.4
作者：
P. Joskow
通讯作者：
P. Joskow