#八百回合經濟談
〔#間接比直接更有效 #行為經濟學如何幫助疫苗接種〕
五月疫情爆發之後，台灣人民搶打疫苗，幾乎不會有疫苗過剩的問題，但如果壯士回想到疫情爆發前的四月，台灣疫苗其實是乏人問津的。
當時這種疫苗接種率低的狀況舉世皆然，許多歐美國家或城市的經驗都能借鏡。
為了改善這個問題，各種機制設計隨之而生，包含州政府祭出接種獎金、樂透、贈禮等等...。
而談到透過機制設計，促使人們採取行動，就一定要提到行為經濟學啦！機制有非常多種，今天八百想跟壯士們聊的就是「輕推」（Nudge）。
▌ 什麼是輕推（Nudge）？
輕推（Nudge）的概念，是由 2017 年諾貝爾經濟學獎得主賽勒（Richard Thaler）提出。
意思是在不妨礙人們自由選擇的前提下，鼓勵或誘導人們決策，引導人們選擇對本身最有利的選項。
▌ 不太能理解嗎？馬上來看看 Nudge 的成功案例
2010 年，英國成立了「行為研究小組」（BIT, Behavioural Insights Team），試圖解決英國公民不按時繳稅的問題。
雖然英國是全世界「稅收欠款」最低的國家之一，但是前一年未繳納的稅金仍然高達 340 億英鎊，幾乎是英國向歐盟支付經費的 3 倍。
當時，拖欠稅款的英國公民會收到一封信，信中寫了他們欠了多少錢，以及可以如何支付，然而並沒有任何效果。
面對這樣的狀況，BIT 一樣使用信件，只是改變當中的幾句說詞，測試不同信件是否會引發不同的心理反應。
在眾多實驗組之中，當研究人員在信中將不繳稅的行為說成「不繳稅意味著我們將失去重要的公共服務，例如國家醫療服務體系、道路和學校」時，信件的效果最顯著！
繳納的稅款增加了 1.6%，相當於增加了 76 萬英鎊的稅收。
這種說法背後的假設是「損失規避」，意思是當人們面對同樣數量的收益和損失時，損失的痛苦程度會遠大於獲得收益的開心程度（損失帶來的負效用約為收益正效用的 2 至 2.5 倍）。
因此，提及「不繳稅的損失」能夠成功促使一些人們繳稅。
之後，BIT 又做了另一組實驗，這次研究人員在信中加了這句話：「90% 的人都按時繳納了稅款」，想測試「從眾心理」是否會影響人們繳稅行為的表現。
最終的結果令人震驚，與控制組（收到普通信件的人）相比，僅僅增加這句話，就讓支付率提高了 15%，相當於在 23 天內增加了 1,540 萬英鎊的收入！
最後這項實驗成果，實際變成政策在英國實施後，第一年就增加了 2.1 億英鎊的稅收收入。
▌ 回到疫苗這回事
當現在各國都在努力，在最短時間內提高疫苗覆蓋率的同時，「輕推」（Nudge）是不是能夠像上述英國的例子一樣發揮作用，僅是改變訊息中的語句，就讓人們更容易付出行動？
行為經濟學家 Katy Milkman 與全球最大的零售商 Walmart、醫療保健服務供應商 Northeast Penn Medicine、Geisinger Health 等公司合作，測試不同類型的短訊息和各種激勵措施，對鼓勵人們接種疫苗的實際成效。
例如，鼓勵人們施打疫苗是為了保護他們所愛之人，而不是出於自身利益；或是嘗試開玩笑，用更輕鬆的角度去溝通這件事。
Milkman 也測試各種「從眾心理」衍伸的字句，例如提及「更富有、受過更好教育的人更有可能接種疫苗」。
Milkman 表示這種訊息的效果很差，但換做提及「有多少人已經接種疫苗」就會有效，這個結果與 BIT 的實驗不謀而合。
而在眾多短訊息之中，最有效的訊息是：傳達「我們已經為您保留了疫苗，隨時可以施打，快過來吧。」
為什麼會這樣呢？Milkman 表示這就是行為經濟學中的「預設選項」（default option）。
當現狀客觀上優於其它選項，或訊息不完整時，人們會傾向於維持現狀，並認為這是一種理性的行為。
在這種維持現狀的心態下，只要某一選項被設定成預設選項，就很有可能成為最多人選擇採納的選項。就像訊息告訴決策者的：「疫苗已經安排好了，你什麼都不用想。只需要出現在那裡就好。」
▌ 小結
Milkman 在研究時表示，他非常鼓勵大家在各種場合測試不同的說法對人們的影響，因為沒有一種說法是對任何人都有效的。
當政府、企業選擇決定發接種獎金、或提供疫苗接種者贈品做為誘因時，也許這種用訊息輕推一下的方式，能夠以遠低於其他做法的成本，創造更大的影響力！
目前疫苗覆蓋率是各國首推的目標，也衍生出各種機制或誘因來鼓勵人民施打，像是發獎金、彩卷、贈禮，這些方式真的有效嗎？期待之後再跟壯士們介紹更多！
#臺灣 #生活 #政經八百 #知識 #大學生 #經濟 #經濟學 #台灣 #科普 #科普經濟 #懶人包 #行為經濟學 #疫苗 #新冠病毒 #新冠肺炎 #疫苗接種 #az #BNT #莫德納 #疫苗覆蓋率 #美國 #英國
實驗組控制組 在 Re: [求救] 實驗的一些設計- 看板Biotech 的推薦與評價
發表淺見 :)
實驗是為了證實某個假設（或理論） 因此必須設計「實驗組」
為了證實某個假設（或理論）「正確無誤」 因此必須設計「對照組」
為了證實某個實驗過程和結果「正確無誤」 因此必須設計「控制組」
所以理想的實驗設計 除了「實驗組」、「對照組」之外 必須作「控制組」
實驗組：基於某個理論或是假說，在現有的技術上測試的組別。
對照組：證實實驗組現象，是由某一個「操控變因」引起，而做的比對組別。
理想上，好的對照組，和實驗組只能有一個（或一種）變因的差別。
通常對照組會將該變因設計為「無變因」或「背景值」。
控制組：為了證實整個實驗過程中沒有發生錯誤，而做可預期結果的組別。
即為確認「操控變因」以外的因素（控制變因）沒有錯誤。
理想上，好的控制組，除了判斷實驗過程沒有錯誤外，
還能幫助找出實驗失敗的原因。
※ 引述《linzhengzhan (研究所：碩士班vs博士班)》之銘言：
作個補充
控制組 是將某個實驗「測試項目」置換成「可預期結果的項目」
來確保實驗結果不是false positive（偽陽性）或false negative（偽陰性）
以下positive稱為(+) negative稱為(-) control稱為ctrl
（因為要確定「控制變因」沒有問題 因此稱為「控制組」）
: 簡單的說：
: positive control：就是一定有的東西，如果實驗結果沒有出來，就可能是實驗有問題…
正控制是將測試項目置換成「確定會做出結果的項目」
因為預期會「有」因此稱為「正」
若(+)ctrl結果呈現(-)，表示控制變因有問題，
通常是reagents少加，或是變質。
此時若test項目也呈現(-)，則可能為false(-)
（因為可能是reagents發生問題才導致negative）
此時若test項目呈現(+)，那就要檢查日期是否為農曆七月（好吧～很難笑）。
而找出問題的方式為：
1.先將(+)ctrl重跑一次（勿將上次的mixture拿來重複使用），
如果可以的話在再找另外一個「確定有結果的測試項目」來同時測試。
此為測試是否因為「少添加」某reagent(s)而導致上次ctrl的失敗。
2.若依然呈現(-)，則將所有reagents（控制變因）換成新的（或另一來源），
重新再跑一次(+)ctrl，能的話測試兩個以上「確定應有結果的測試項目」。
此為主要測試「確定應有結果的測試項目」沒有發生問題。
3.另將reagents的一項（或一組）逐一更換新的，來找出有問題的reagent(s)。
如果實驗經費充裕，可以不做此步驟而將可能有問題的reagents全部丟棄。
4.以上1～3項可三者同時或挑兩項同時測試（自行拿捏時間和實驗經費的平衡點）。
若依然1～3項都是(-)，則必須檢查protocol或instrument是否有問題。
: negative control：就是一定不會有的東西，如果結果有，就“自求多福“……
負控制是將測試項目置換成「確定不會有結果的項目」
因為預期會「沒有」因此稱為「負」
若(-)ctrl結果呈現(+)，表示控制變因有問題，
通常是reagents受到污染。
此時若test項目也呈現(+)，則可能為false(+)，若為定量則會造成數據的不正確。
（因為可能是reagents發生問題才導致positive）
此時若test項目呈現(-)，那有很有可能「確定不會有結果的測試項目」受到污染。
而找出問題的方式為：
1.先將(-)ctrl重跑一次（勿將上次的mixture拿來使用），
再多找另外一個「確定不會有結果的測試項目」的來源做同時測試。
此為測試或是操作過程是否造成污染（技術問題，甚至換人操作），
同時也測試「確定不會有結果的測試項目」是否為污染源。
2.更換新的一組耗材（會接觸reagents的項目）或操作環境。
確定不是耗材或環境本身引起的污染。
3.另將reagents的一項（或一組）逐一更換新的，來找出有污染的reagent(s)。
如果實驗經費充裕，可以不做此步驟而將可能有問題的reagents全部丟棄。
4.以上1～3項可三者同時或挑兩項同時測試（自行拿捏時間和實驗經費的平衡點）。
若依然1～3項的結果都是(+)，則要認真思考污染來源為何。
: internal control：控制實驗的條件，已減少變因；在結果方面，是大家長的一個樣；
: ex. western blotting 常用就是β-actin，以確定每個well的
: protein量都一樣……
: RT-PCR常用的就是GAPDH之類的……
internal ctrl跟實驗結果的(+)/(-)無關（定性部份） 而是跟「定量」有關。
也就是「相對定量」所做的normalization ，
確保test項目的數據的相對大小（即倍率）為正確。
通常挑選為internal ctrl的項目，應該要為穩定（變異性小）、均勻、不易受影響。
例如某測試項目的結果 A為B的兩倍，
但是internal ctrl的結果 A亦為B的兩倍，
那麼經過normalization後（將測試數據除以internal ctrl數據），
A與B並無差異。
通常定性實驗都會做(+)ctrl和(-)ctrl
而定量實驗都會做internal ctrl和(-)ctrl（因為(-)ctrl呈現(+)，那定量就有問題）
--
有錯請指教囉～
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.129.62.151
... <看更多>