在锻炼、戒烟、学习等诸多领域，人们对行为干预及其影响的研究越来越感兴趣，这些行为干预包括信息披露、承诺或者合同、社会比较等等，会影响人们的选择，从而可能增加其福利。现有研究已发现行为干预至少能够产生短期影响，但对于行为干预长期影响的研究仍然有限。

本研究在对行为干预短期影响分析的基础上，进一步探究了行为干预的长期影响。本研究中的行为干预是按月（季/年）度向家庭住户提供家庭能源报告，主要关注以下两个问题：

（1）行为干预后的影响能够持续多久？

（2）持续干预的增量影响是多少？

对于问题（1），存在两种可能的模式解释行为干预影响的持久性。一种模式是基于信息披露模型（information provision model）所提出的，具体而言，行为的干预通过提供信息来实现，消费者在接受干预后永久更新他们的信息集，进而不断优化自身的行为。另一种模型则是基于线索理论模型（cue-theory model），将干预措施作为一个线索，以吸引消费者对干预项目的注意力，进而改变消费者的行为决策。以节能项目干预为例，家庭能源报告的发送能够使得消费者将其注意力放在节能之上，进而采取节能行为，当消费者丢弃或者忘记家庭能源报告的时候，他们的行为表现可能会迅速恢复到非节能的基线状态。这一行为模式也被称为“行动与倒退（action and backsliding）”模式。但随着消费者开始改变他们的能源使用习惯或更替节能设备，重复的干预也可能导致较为持久的影响。故自然引出问题（2），即在多次干预的情况下，每次重复干预所带来的增量影响是多少。

本研究基于Opower公司节能项目开展实地实验。行为干预措施为Opower公司主要会在每月或者每季度为住户提供一份针对性的家庭能源报告，这份报告的主要特点是拥有个性化的能源使用反馈、邻里耗能比较和节能方案推荐。节能项目于2008（或2009）年初在美国的中西部（Site 1）、西北部（Site 2）和西南部（Site 3）这三个地点开展，每个地点的项目都有公共事业用电单位与Opower公司合作，这些项目以随机对照实验的方式在总共23.4万户家庭中实施，收集了这些家庭4（或5）年的用电数据。

实验设置了三个实验组：持续组（continued group）、中断组（dropped group）和控制组（control group）。

持续组（continued group）中的住户持续四年接收到月度（或季度）的家庭能源报告。特别地，Site1的用户在最后两年中，每年只接收到两次家庭能源报告。

中断组（dropped group）中的住户在连续两年接收到月度（或季度）的家庭能源报告之后，不再接收到家庭能源报告。

控制组（control group）中的住户没有受到任何行为干预，即没有接收到家庭能源报告。

（1）高频数据分析

由于只有Site 2拥有较为先进的电表，可以记录每日用电量，故高频数据分析所用的数据便来自于Site 2的日常数据。

首先，关注提供家庭能源报告的干预对住户每日用电量的影响。方程1以控制组（control group）为基组，聚类到家庭层面，Y_it代表第i个家庭第t天的用电量，T_i代表是否接收干预，Y_i^b是指对2007年全年平均基线用电量、夏季平均基线用电量以及冬季平均基线用电量进行了控制。由此得到方程1：

以7天为平滑窗口，采用干预的第一年Site 2每日用电量数据通过方程1的回归结果分别绘制按月度和季度处理的平均处置效应，得到下图。

由该图可得，在最初几份报告到达日期的1-2周内，家庭每日用电量显著减少，而在2周之后，家庭每日用电量又呈上升趋势，行为干预的影响存在“行动与倒退（action and backsliding）”模式。

为减少由于季节性或其它时间因素对干预影响估计造成的干扰，方程2在方程1的基础上，对因家庭能源报告抵达具体时间段不同而可能为干预影响估计带来干扰因素进行控制（Ф_tT_i)，并对家庭住户所在区域当天的温度也进行了控制（β₁T_iM_it+β₂M_it），τ^a是事件时间处置效应的向量（a vector of event time treatment effects）。由此得方程2：

基于方程2的回归结果绘制下图，基于月度数据和季度数据分析所得的结果类似，以月度数据的回归结果为例，Panel A、Panel B分别是基于发放前4份报告、第5份及其之后报告后的用电数据的回归所得结果。可以看出，在接收到报告10天内，住户用电量显著下降，但在10天之后又有明显回升的趋势，即在前4份报告发放阶段，action and backsliding模式明显存在。但在Panel B中，这一模式明显减弱，住户似乎已经习惯了家庭能源报告，不再感到惊讶，也不会在收到报告之后立即采取节能行动。

为进一步对报告抵达阶段的干预影响进行具体量化分析，下面将从报告抵达日的前3天到后3天的7天作为时间段S⁰，抵达阶段的前7天作为时间段S^-1，抵达阶段的后7天作为时间段S¹。S^a=S-¹+S⁰+S¹，共21天。由此得方程3：

方程3的回归结果如下表所示，由第一行的回归结果可得，相比于报告抵达前的阶段，住户在报告抵达后阶段的每日用电量显著下降，说明发放家庭能源报告的干预能够显著降低住户的用电量，尤其是前4份报告，具有明显的节能干预效果。

前述结果证明了发放报告这一行为干预能够使得住户采取节能行为，显著降低每日用电量，下面估计这一行为干预效果的衰减率。方程4和方程3的唯一区别在于将时间段的虚拟变量替换成第t天是否在报告抵达阶段之后8天至下一份报告到达前4天这一个时间段的虚拟变量。

方程4：

下表是基于方程4回归的结果，第一行的回归结果展示的是发放报告干预效果的衰减率。

长期数据的分析和短期高频数据的分析类似。方程5和方程1的区别在于将是否接收干预（T_i）替换成是否接收具体不同的干预，即持续干预（E_i）和中断干预（D_i）。以3个月为平滑窗口，基于三个地点的数据分别绘制与之对应的长期平均处置效应图，下图是以Site 1数据基于方程5回归结果绘制所得，可以看出，持续干预组和中断干预组在干预第一年和第二年的平均处置效应十分接近，第二年的平均处置效应均在0.7-1.0 kwh/day范围内。但在2年之后，相比于持续干预组，中断干预组中住户用电量的回升趋势更为明显，即backsliding现象更为突出。

方程5：

下面探究的是长期行为干预影响的持久性。根据上图的时间段划分，设置对应的P₀-P₃这4个时间段虚拟变量，其中P₀代表干预前阶段（pretreatment period），P₁代表干预第一年（the first year of treatment），P₂代表干预第二年（the beginning of the second year to the time when treatment is discontinued for the dropped group），P₃代表中断组的干预停止阶段（post-drop period）。

方程6：

下表是基于方程6回归所得结果，其中第一至三行的系数衡量的是中断干预组的平均处置效应;第五至七行系数衡量的是持续干预组和中断干预组处置效应的差距。由第四行的系数显著为负可得发放报告干预的效果具有持久性，在干预结束后，仍存在-0.584- -0.627 kwh/day的影响。第八行的结果表明，相比于中断干预组，持续干预组在2年之后的干预效果仍在统计学上显著，这表明即使经过2年的干预，人们也没有完全养成节能的习惯，持续干预仍然存在增量影响。

方程7：

方程7探究的是长期干预效果的衰减率。下表是基于方程7回归所得的结果，可以得到中断干预组干预效果的衰减率在每年0.09 -0.18 kwh/day范围内。对比在短期高频数据分析中季度前4份报告干预效果的衰减率0.708，可以发现长期干预效果的衰减更慢，这意味着在前4份报告干预和2年停止干预之间，中断干预组中的住户形成了“资本存量”，这里的资本存量既可以指住户用电习惯的养成，也可以指物质资本如节能电器。由于长期干预下资本存量的形成，导致干预效果的衰减率降低，行为干预的效果更为持久。

研究发现资本存量或可解释长期干预效果的持久性，具体而言，资本存量的形成过程需要时间，当资本存量增加时，便相当于干预的成本降低了，干预的边际效应会越来越高，一直到习惯于接受家庭能源报告，最终导致边际效应减少。而且，对公用事业节能项目管理数据的挖掘证明了资本存量的存在。研究还对行为干预的成本效益在有无持久性的不同假设下进行估计，提出在进行行为干预项目成本效益估计时，需要考虑到行为干预效果持久性带来的效益，这对项目负责人是否采取相关干预决策具有重要影响。

基于前述数据分析的结果，可以得到如下四个主要结论：

一是行为干预会立即促使人们采取节能行为，但其采取节能行为的努力会随着时间开始相对迅速地减弱，即行为干预影响存在行动与倒退（action and backsliding）模式。

二是当人们习惯于接收报告时，行动与倒退（action and backsliding）模式就会减弱。

三是随着干预的重复持续，干预所带来的影响会变得更加持久，这意味着住户在逐渐改变他们的习惯或拥有物质技术的资本存量。

四是即使经过两年的干预，住户还没有完全养成节能用电的习惯，持续干预仍然有实质性的增量效果。

基于研究的主要结论，本研究提出的最佳方案设计是持续干预足够长的时间，使人们形成一些新的资本存量，然后再降低干预强度，进而获得更好的成本效益。

本研究的最大贡献是研究了行为干预的长期影响；第二个优点是将短期分析和长期分析结合起来，研究了干预影响的持久性和人们对于信息披露的敏感性减弱如何影响成本效益的计算和方案设计的优化。此外，该研究为能够更精确地估计处置效应和其衰减速度，在时间、气温等多个方面进行了诸多具体的控制和稳健性检验。该研究的局限性在于为了简化分析，成本效益的计算依赖于衰减的线性假设，这导致如果衰减的线性模型高估（低估）了持久性，那么文中成本效益的预测结果就会偏高（偏低）。

本研究提出的最佳方案设计中提及，需要持续干预足够长时间，但足够长的时间是多久，仍是一个需要解决的问题。因此未来行为干预研究的一个重要部分是更精确地确定人们何时以及为什么会形成新的资本存量，从而产生持久的长期影响。

*文章来源：人工智能和行为经济学

*侵权必删