Стимулы и мотивация для изменения поведения:

Стимулы для сна и физических упражнений:

Этот эксперимент позволит оценить систематическую ошибку при зачислении для рандомизированных клинических испытаний, предлагающих стимулировать изменение поведения. В этом эксперименте мы проверим, будут ли те, кто наиболее мотивирован к изменению поведения, с наибольшей вероятностью участвовать в (гипотетическом) РКИ, предлагая финансовые или социальные стимулы для изменения поведения.

Мы предполагаем, что те, кто с наибольшей вероятностью зачислится, уже мотивированы изменить свое поведение до зачисления, что может быть предвзятостью в сторону нуля. Мы проверим эту гипотезу, оценив, предсказывает ли мотивация изменить поведение заинтересованность в присоединении к РКИ, нацеленному на это поведение. Мы также проверим, предсказывает ли исходное поведение интерес к участию в этих РКИ.

Мы проведем этот эксперимент, используя фиктивные приглашения, чтобы узнать о RCT и потенциально присоединиться к нему. Результатом исследования будут ответы на это приглашение. Мы не будем предлагать приглашения к реальному испытанию, но стимулы (имитационные приглашения к «призрачному» испытанию) и задача (ответ на приглашение) принципиально напоминают аналоги испытания. В приглашениях будет указана возможность получения финансовых или социальных поощрений за улучшение здорового образа жизни.

Мы предложим участникам получать финансовые или нефинансовые поощрения за увеличение сна или физических упражнений. В этом исследовании первичный результат будет измерять, были ли они «не заинтересованы», «слегка заинтересованы» или «очень заинтересованы» в участии.

Прежде чем получить приглашение, они заполнят онлайн-анкету, в которой будет измеряться их мотивация для улучшения каждого поведения, а также их недавнее поведение и социально-демографические данные.

Отдельный анализ будет проведен для финансовых и социальных стимулов, а также для приглашений на испытания сна и физических упражнений. Мы сообщим точечные оценки и 95% доверительные интервалы (ДИ) для поведения и мотивации.

В ходе анализа будет изучено, предсказывается ли их интерес к участию в RCT 1) их исходным поведением (т. е. количеством сна или физических упражнений) или 2) их мотивацией изменить конкретное поведение. Как отмечалось выше, мы предполагаем, что уровень их мотивации изменить определенное поведение будет предсказывать интерес к испытанию, нацеленному на это поведение.

Тестирование относительных больших и малых стимулов к вакцинации:

Используя отдельную выборку, этот эксперимент проверит, может ли политика, предлагающая большие или малые финансовые стимулы, усилить намерение вакцины против COVID-19. В этом эксперименте люди будут рандомизированы в одну из четырех групп исследования, которые включают 1) контрольное условие, 2) образовательное сообщение, 3) сообщение об относительно большом финансовом поощрении или 4) сообщение об относительно небольшом финансовом поощрении. Цель этого исследования — оценить, может ли тот или иной тип политики стимулирования оказать негативное влияние на намерение вакцинации, как предупреждают некоторые эксперты.

При анализе влияния относительно больших и малых финансовых стимулов на намерения вакцинации мы будем сообщать точечные оценки и 95% доверительные интервалы для всей выборки и демографических подгрупп. Мы также сообщим сводную статистику по всей выборке и подгруппам. Мы проверим, увеличиваются ли, уменьшаются ли финансовые стимулы по сравнению с контрольным состоянием или не влияют ли они на процент желающих пройти вакцинацию. В четвертой группе исследования испытуемые получат образовательное сообщение, которое также будет сравниваться с контрольным состоянием.

Стимулы для тестирования вакцины плюс различные меры намерения в отношении вакцины:

В связанном эксперименте мы отдельно проверим влияние 10 экспериментальных условий с уравновешивающей экспериментальной манипуляцией, используя сообщение об одобрении FDA, а также контрольное условие. Цель этого исследования — сравнить эффекты более широкого спектра вакцинных вмешательств, предложенных экспертами, включая стимулы и мандаты.

Кроме того, мы также рандомизируем людей для заполнения анкет с использованием различных методов измерения намерения вакцинации и результатов исследования.

Сравнение различных методов оценки намерения в отношении вакцины. В рамках эксперимента по тестированию различных предлагаемых политик в отношении вакцин мы проверим, влияют ли методологические различия в вариантах ответа для основного исхода на процент ответивших «да». Для этого мы протестируем 2 (Да и Нет) и 3 (Да, Нет и Неуверенно) варианта ответа уровня и случайным образом упорядочим оба набора.

В этом методологическом эксперименте будет изучено, изменяется ли доля ответивших «да» на один и тот же вопрос (о том, хотят ли они в ближайшее время пройти вакцинацию) в зависимости от порядка ответов и от того, включают ли они вариант «возможно/не уверен». Мы проведем перекрестные таблицы и тесты хи-квадрат для уровней ответа 2 против 3 и порядка. Инструментальные испытания будут проводиться для ревакцинации COVID-19, первых прививок, а также вакцинации против гриппа.

При тестировании последствий потенциальной политики в отношении вакцин контрольная группа без представленной политики в отношении вакцин будет сравниваться с: денежными поощрениями в размере 1000, 200 или 100 долларов США; налоговый кредит в размере 1000 долларов США; лотереи на 100 000, 200 000 или 1 миллион долларов; налог в размере 1000 долларов на непривитых; и предписания работодателей или авиакомпаний, баров и ресторанов. Главный результат заключается в том, захотят ли они пройти вакцинацию в ближайшее время, учитывая гипотетическую политику вакцинации.

(Те, кому назначено условие мандата работодателя, будут исключены из анализа, если они сообщат, что вряд ли у них есть работодатель.)

Спецификация OLS будет нашим основным результатом, а другие меры предоставляются в качестве проверок надежности.

Модель OLS может исключать все демографические элементы управления и использовать двоичную зависимую переменную для переменных лечения. (Обратите внимание, что этот подход является законным, поскольку методы лечения рандомизируются среди респондентов.) Обработки включают в себя финансовую политику (поощрения и штрафы разных размеров и типов) и мандаты (разных типов), отмеченные в сообщении.

Тип модели: мы проведем попарные t-критерии процента респондентов, ответивших «Да», сравнивая тех, кого лечили стимулом, с контрольной группой. Мы проведем эти парные тесты на подмножествах по расе, полу, доходу, образованию и другим социально-демографическим характеристикам.

Дополнительно мы проведем эти попарные тесты по видам лечения. Сравнение лотереи с денежным поощрением, сравнение положительного поощрения со штрафом, сравнение размера поощрения и сравнение мандатов работодателя с контролем.

Мы также проведем регрессионный анализ объединенного набора данных, где наблюдения в левой части представляют собой отдельные ответы, где те, кто отвечает «Да», будут закодированы как 1, а те, кто ответит «Нет» или «Не уверен», будут закодированы нулем. Мы включим набор элементов управления (раса, пол, доход, образование и т. д.), а также индикаторную переменную, отражающую, получал ли респондент лечение. Модели регрессии будут включать в себя обычный метод наименьших квадратов, пробит, сопоставление ближайших соседей и сопоставление показателей склонности. Мы также запустим эти регрессии, в которых переменная лечения разделена на несколько индикаторных переменных, отражающих тип предоставляемого лечения, а также показатель для одобрения FDA.

Мы оценим модель, альтернативно используя обычный метод наименьших квадратов и логистическую регрессию, с переменной, зависящей от бинарного результата (равной единице, если респондент хотел быть вакцинированным, и равной нулю в противном случае). В качестве объясняющих переменных мы включили фиктивные переменные для каждой из десяти групп лечения.

Критерии статистической значимости: мы будем использовать 0,05. в качестве нашего порога статистической значимости.

Расчет размера выборки для исследовательского эксперимента, сравнивающего 10 различных политик вакцинации: по нашим оценкам, если окончательные размеры выборки для каждого состояния включают не менее 300 человек, мы можем обнаружить разницу примерно в 5% или больше. Мы планируем удвоить ассигнования на контрольные и 1000-долларовые условия, чтобы можно было проводить запланированные сравнения.

Все эксперименты: каждый субъект будет рандомизирован в соответствии с состоянием. Участники будут рандомизированы, чтобы уменьшить вероятность того, что наблюдаемые эффекты связаны с неизмеренными факторами. Кроме того, все процедуры исследования были автоматизированы, что улучшает контроль над проведением эксперимента, позволяя последовательно стандартизировать все процедуры.

В исследованиях будут участвовать национальные теоретические выборки, набранные через платформы MTurk и/или Prolific. Чтобы уменьшить предвзятость при зачислении, материалы о наборе и зачислении будут описывать исследование в расплывчатых терминах (например, «нам интересно узнать ваше мнение и предпочтения в отношении здоровья). В каждом эксперименте также будут измеряться социально-демографические переменные в описательных целях.

Рекомендуемые процедуры очистки данных для каждого эксперимента: проверка внимания может выявить тех, кого следует исключить из основного анализа. (Независимо от результатов проверки внимания, все участники получат компенсацию за потраченное время.) Анализы будут исключать тех, у кого дублируются идентификаторы или высокий балл мошенничества. Мы будем проводить анализы, которые включают и исключают тех, кто закончил быстрее всех (самые быстрые 5%).

Повторные исследования будут включать тот же дизайн исследования и процедуры.