Разработайте экспериментальное задание для выявления эффекта «презент‑биаса» (предпочтения текущего потребления) на накопления среди студентов: какую выборку, стимулы, контрольные и экспериментальные группы вы предложите, какие метрики измерения и какие политические интервенции (например, автоматическое отчисление, дедлайн‑подсказки) стоит тестировать?
Кратко — план экспериментального задания для выявления презент‑биаса у студентов. 1) Цель - Измерить влияние презент‑биаса на накопления и оценить эффективность политик (автоматическое отчисление, дедлайн‑подсказки, commitment и пр.). 2) Выборка - Популяция: студенты бакалавриата/магистратуры, получающие регулярный доход (стипендия/подработка) или имеющие доступ к университетскому сберсчёту. - Размер: ориентир для минимально практически значимого эффекта Δ=0.2σ \Delta =0.2\sigma Δ=0.2σ при уровне значимости α=0.05 \alpha=0.05 α=0.05 и мощности 1−β=0.8 1-\beta=0.8 1−β=0.8: nна группу=2σ2(z1−α/2+z1−β)2Δ2=2(1)2(1.96+0.84)20.22≈392.
n_{\text{на группу}}=\frac{2\sigma^2 (z_{1-\alpha/2}+z_{1-\beta})^2}{\Delta^2} =\frac{2 (1)^2 (1.96+0.84)^2}{0.2^2}\approx 392. nнагруппу=Δ22σ2(z1−α/2+z1−β)2=0.222(1)2(1.96+0.84)2≈392.
Итого для четырёх групп — порядка ≈1600 \approx 1600 ≈1600 участников. Можно масштабировать в зависимости от предполагаемого эффекта. 3) Рандомизация / дизайн групп - Простая RCT или факторный дизайн. Примеры групп: - Контроль: стандартная информация + доступ к обычному счёту. - Reminders: регулярные SMS/email с напоминанием отложить часть дохода. - Auto‑deduction (default opt‑out): автоматическое отчисление части платежей/стипендий на сберсчёт (с возможностью отказаться). - Commitment (locked account): возможность добровольно заблокировать вклад на срок (снятие по штрафу). - (Опционально) Комбинированные: Auto‑deduction + Reminders, Matching (частичный match депозитов) и т.д. - Если ресурсов мало — 2×2 факторный дизайн: AutoDeduction (Да/Нет) × Reminders (Да/Нет) → 4 групп. 4) Стимулы / вмешательства (детали) - Автоматическое отчисление: по умолчанию x%x\%x% от поступлений переводится на сбережения; можно тестировать уровни xxx (напр., 5%,10%,20%\,5\%,10\%,20\%5%,10%,20%). - Дедлайн‑подсказки: напоминания перед датой, когда студент обычно тратит деньги (в виде SMS/email вечером/утром). - Commitment: возможность открыть счёт с блокировкой снятия до даты (или штраф за досрочное снятие). - Immediate reward: небольшая немедленная награда (купон/баллы) за совершение отчисления сегодня. - Matching: университет/спонсор удваивает/доплачивает часть первой операции (например, match 1:11:11:1 до лимита). - Нефинансовые: визуализация прогресса, планирование бюджета (implementation intentions). 5) Стимулы/задачи для выявления презент‑биаса (в экспериментальной части) - Поведенческие задачи: множественный выбор между меньшей немедленной и большей отсроченной выплатой (multiple price list) — позволяет рассчитывать β\betaβ и δ\deltaδ в квазигиперболической модели: Ut=u(ct)+β∑s>tδs−tu(cs).
U_t = u(c_t) + \beta \sum_{s>t} \delta^{s-t} u(c_s). Ut=u(ct)+βs>t∑δs−tu(cs).
- Поле‑реакция: предложить выбор между немедленным денежным бонусом и большим бонусом через месяц — наблюдать реальные решения. 6) Метрики (primary / secondary) - Primary: - Средняя сумма накоплений на счету через TTT (руб/евро): MeanBalanceT \text{MeanBalance}_T MeanBalanceT. - Частота регулярных взносов (раз/месяц). - Доля участников с положительными накоплениями (binary). - Secondary: - Доля досрочных снятий, средняя величина снятий. - Изменение потребления (опросы), самоконтроль/импульсивность (шкалы). - Оценки параметров дисконтирования (β,δ\beta,\deltaβ,δ) из задач временного выбора. - Поведенческие отклики на дедлайны (количество отложенных платежей в дни напоминаний). - Долгосрочные: удержание результата через 6−126-126−12 месяцев, академическая успеваемость (опционально). 7) Аналитика / проверка гипотез - Основной тест: разница средних между группами (t‑test / регрессия с контролями). - Пре‑регистрировать основной outcome и горизонт для множественной проверки. - Heterogeneity: по ликвидности, доходу, импульсивности, полу, курсу/году обучения. - Оценка презента‑биаса: структурная оценка β<1\beta<1β<1 из выбора межвременных задач; использовать это в качестве ковариаты/медиатора. 8) Временной горизонт и сбор данных - Продолжительность вмешательства: минимум один семестр (3−63-63−6 месяцев); лучше — год для изучения устойчивости. - Сбор данных: административные транзакции + регулярные опросы (базовый, midline, endline, follow‑up). 9) Практические замечания / этика - Информированное согласие, защита персональных данных. - Участники должны иметь возможность отказаться (особенно для auto‑deduction). - Балансировка по ключевым характеристикам перед интервенцией. 10) Ожидаемые эффекты и интерпретация - Auto‑deduction и commitment ожидаемо наиболее эффективны при сильном презент‑биасе (механизм — преодоление самоконтроля). - Reminders и дедлайны дают небольшую краткосрочную прибавку (устойчивость слабее). - Immediate rewards могут временно компенсировать презента‑биас, но требуют бюджетных расходов. Если нужно — могу прислать шаблон анкеты временного выбора и пример фрагмента кода расчёта размера выборки/анализов.
1) Цель
- Измерить влияние презент‑биаса на накопления и оценить эффективность политик (автоматическое отчисление, дедлайн‑подсказки, commitment и пр.).
2) Выборка
- Популяция: студенты бакалавриата/магистратуры, получающие регулярный доход (стипендия/подработка) или имеющие доступ к университетскому сберсчёту.
- Размер: ориентир для минимально практически значимого эффекта Δ=0.2σ \Delta =0.2\sigma Δ=0.2σ при уровне значимости α=0.05 \alpha=0.05 α=0.05 и мощности 1−β=0.8 1-\beta=0.8 1−β=0.8:
nна группу=2σ2(z1−α/2+z1−β)2Δ2=2(1)2(1.96+0.84)20.22≈392. n_{\text{на группу}}=\frac{2\sigma^2 (z_{1-\alpha/2}+z_{1-\beta})^2}{\Delta^2}
=\frac{2 (1)^2 (1.96+0.84)^2}{0.2^2}\approx 392.
nна группу =Δ22σ2(z1−α/2 +z1−β )2 =0.222(1)2(1.96+0.84)2 ≈392. Итого для четырёх групп — порядка ≈1600 \approx 1600 ≈1600 участников. Можно масштабировать в зависимости от предполагаемого эффекта.
3) Рандомизация / дизайн групп
- Простая RCT или факторный дизайн. Примеры групп:
- Контроль: стандартная информация + доступ к обычному счёту.
- Reminders: регулярные SMS/email с напоминанием отложить часть дохода.
- Auto‑deduction (default opt‑out): автоматическое отчисление части платежей/стипендий на сберсчёт (с возможностью отказаться).
- Commitment (locked account): возможность добровольно заблокировать вклад на срок (снятие по штрафу).
- (Опционально) Комбинированные: Auto‑deduction + Reminders, Matching (частичный match депозитов) и т.д.
- Если ресурсов мало — 2×2 факторный дизайн: AutoDeduction (Да/Нет) × Reminders (Да/Нет) → 4 групп.
4) Стимулы / вмешательства (детали)
- Автоматическое отчисление: по умолчанию x%x\%x% от поступлений переводится на сбережения; можно тестировать уровни xxx (напр., 5%,10%,20%\,5\%,10\%,20\%5%,10%,20%).
- Дедлайн‑подсказки: напоминания перед датой, когда студент обычно тратит деньги (в виде SMS/email вечером/утром).
- Commitment: возможность открыть счёт с блокировкой снятия до даты (или штраф за досрочное снятие).
- Immediate reward: небольшая немедленная награда (купон/баллы) за совершение отчисления сегодня.
- Matching: университет/спонсор удваивает/доплачивает часть первой операции (например, match 1:11:11:1 до лимита).
- Нефинансовые: визуализация прогресса, планирование бюджета (implementation intentions).
5) Стимулы/задачи для выявления презент‑биаса (в экспериментальной части)
- Поведенческие задачи: множественный выбор между меньшей немедленной и большей отсроченной выплатой (multiple price list) — позволяет рассчитывать β\betaβ и δ\deltaδ в квазигиперболической модели:
Ut=u(ct)+β∑s>tδs−tu(cs). U_t = u(c_t) + \beta \sum_{s>t} \delta^{s-t} u(c_s).
Ut =u(ct )+βs>t∑ δs−tu(cs ). - Поле‑реакция: предложить выбор между немедленным денежным бонусом и большим бонусом через месяц — наблюдать реальные решения.
6) Метрики (primary / secondary)
- Primary:
- Средняя сумма накоплений на счету через TTT (руб/евро): MeanBalanceT \text{MeanBalance}_T MeanBalanceT .
- Частота регулярных взносов (раз/месяц).
- Доля участников с положительными накоплениями (binary).
- Secondary:
- Доля досрочных снятий, средняя величина снятий.
- Изменение потребления (опросы), самоконтроль/импульсивность (шкалы).
- Оценки параметров дисконтирования (β,δ\beta,\deltaβ,δ) из задач временного выбора.
- Поведенческие отклики на дедлайны (количество отложенных платежей в дни напоминаний).
- Долгосрочные: удержание результата через 6−126-126−12 месяцев, академическая успеваемость (опционально).
7) Аналитика / проверка гипотез
- Основной тест: разница средних между группами (t‑test / регрессия с контролями).
- Пре‑регистрировать основной outcome и горизонт для множественной проверки.
- Heterogeneity: по ликвидности, доходу, импульсивности, полу, курсу/году обучения.
- Оценка презента‑биаса: структурная оценка β<1\beta<1β<1 из выбора межвременных задач; использовать это в качестве ковариаты/медиатора.
8) Временной горизонт и сбор данных
- Продолжительность вмешательства: минимум один семестр (3−63-63−6 месяцев); лучше — год для изучения устойчивости.
- Сбор данных: административные транзакции + регулярные опросы (базовый, midline, endline, follow‑up).
9) Практические замечания / этика
- Информированное согласие, защита персональных данных.
- Участники должны иметь возможность отказаться (особенно для auto‑deduction).
- Балансировка по ключевым характеристикам перед интервенцией.
10) Ожидаемые эффекты и интерпретация
- Auto‑deduction и commitment ожидаемо наиболее эффективны при сильном презент‑биасе (механизм — преодоление самоконтроля).
- Reminders и дедлайны дают небольшую краткосрочную прибавку (устойчивость слабее).
- Immediate rewards могут временно компенсировать презента‑биас, но требуют бюджетных расходов.
Если нужно — могу прислать шаблон анкеты временного выбора и пример фрагмента кода расчёта размера выборки/анализов.