Mechanism Design for Personalized Policy: A Field Experiment Incentivizing Exercise
个性化政策的机制设计：激励运动的实地实验AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确以实地实验比较政策方案并报告运动处理效应，直接对应因果推断。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
个性化政策的机制设计：激励运动的实地实验
- 研究问题
- 当个体类型不可观测且政策制定者与参与者偏好不一致时，激励相容的政策菜单能否通过自我选择改善个性化运动激励？
- 方法与思路
- 作者在印度城市中对六千八百名糖尿病和高血压成年人开展实地实验，比较激励相容菜单、统一政策及基于可观测变量的个性化方案。
- 材料陈述的贡献
- 摘要称，相对统一方案，菜单在不增加激励成本时使运动处理效应提高百分之八十，且表现接近依赖大量可观测变量的个性化方案。
- 阅读关注点
- 应核对实验分组、处理效应定义与百分之八十的比较基准，菜单的激励相容条件，以及成本口径、参与选择和结果测量。
- 阅读边界
- 这里只依据所给 Crossref 摘要；摘要未说明随机分组细节、统计不确定性或长期效果，所报增幅不能直接外推至其他政策和人群。
原文摘要
Personalizing policies can theoretically increase their effectiveness. However, personalization is difficult when individual types are unobservable and the preferences of policymakers and individuals are not aligned, which could cause individuals to misreport their type. Mechanism design offers a strategy to overcome this issue: offer an “incentive‐compatible” menu of policy choices designed to induce participants to select the variant intended for their type. Using a field experiment that personalized incentives for exercise among 6,800 adults with diabetes and hypertension in urban India, we show that personalizing with an incentive‐compatible choice menu substantially improves program performance, increasing the treatment effect of incentives on exercise by 80% without increasing incentive costs relative to a one‐size‐fits‐all benchmark. Offering choice achieves similar performance to personalizing with an extensive set of observable variables, but without the same data requirements.