[факт, 🟢] Mertens, Herberz, Hahnel & Brosch (2022, PNAS) — мета-анализ 455 эффектов из 214 публикаций (N=2 149 683): «revealed a statistically significant effect of choice architecture interventions on behavior (Cohen's d = 0.45, 95% CI [0.39, 0.52], t(340) = 14.38, P < 0.001)». Гетерогенность огромная: «The proportion of true to total variance was estimated at I2 = 99.67%». Сами авторы фиксируют публикационное смещение и дают собственную поправку: «Assuming a moderate one-tailed publication bias... attenuated the overall effect size... to d = 0.31... Assuming a severe one-tailed publication bias attenuated the overall effect size even further to d = 0.03... however, this assumption was only partially supported by the funnel plot».
[факт, 🟢, критика того же датасета] Maier et al. (2022, PNAS) взяли тот же датасет и пересчитали методом robust Bayesian meta-analysis (RoBMA), объединяющим модели отбора публикаций и PET-PEESE: «Combined 0.04 [0.00, 0.14] BF01 = 0.95» против исходных «0.43 [0.38, 0.48]». Вывод: «after correcting for this [severe publication] bias, no evidence remains that nudges are effective as tools for behaviour change». Оговорка самих критиков: «all intervention categories and domains apart from 'finance' show evidence for heterogeneity, which implies that some nudges might be effective, even when there is evidence against the mean effect» — спор о среднем эффекте класса «nudge», не о каждом отдельном приёме.
[факт, 🟢, независимое полевое сравнение] DellaVigna & Linos (2022, Econometrica) сопоставили 126 полевых RCT из двух крупнейших государственных nudge-подразделений США (BIT North America, OES; >23 млн участников) с 74 вмешательствами из 26 академических статей: «In papers published in academic journals, the average impact of a nudge is very large – an 8.7 percentage point take-up effect... In the Nudge Unit trials, the average impact is still sizable and highly statistically significant, but smaller at 1.4 percentage points... about one sixth the size of the estimate in academic papers» (с. 1, 4–5). Причина разрыва — не вовлечённость учёных, а мощность выборки и публикационное смещение: «Publication bias in the academic journals, exacerbated by low statistical power, can account for the full difference in effect sizes. Academic involvement does not account for the difference» — медианная выборка в академических статьях 484 человека (MDE 6,3 п.п.), в Nudge Units — 10 006 человек (MDE 0,8 п.п.).
[факт, 🟢, дисперсия одинаковых по цели nudge] Milkman et al. (2021, PNAS) — мегаэксперимент: 19 разных SMS-протоколов одной и той же задачи (напомнить о прививке от гриппа) сравнили одновременно на N=47 306 пациентах против общего контроля. «6 out of our 19 interventions (32%) produced a statistically significant boost... all of our interventions directionally increased vaccination rates. The 19 treatments boosted vaccination levels by an average of 2.1 percentage points». Лучший вариант — «4.6 percentage point boost... P < 0.01», после поправки на инфляцию максимума — консервативно 2.8 п.п. Ключевая методологическая находка: истинные эффекты 19 версий статистически неразличимы (χ²=21.277, df=18, P=0.266) — видимый разброс точечных оценок не отличим от шума одного и того же эффекта. Худший результат дали «артистичные» сообщения: «some of the most artful interventions (e.g., one including a joke about spreading the flu told by a dog to a cat)... were among the least effective».
[рамка] Hertwig & Grüne-Yanoff (2017) разводят nudge («меняет среду выбора, оставляя компетенцию человека прежней») и boost («меняет компетенцию/навыки человека, работает через его собственное агентство»): «The objective of boosts is to foster people's competence to make their own choices». Все источники выше про nudge, не про boost. Сами авторы называют свой обзор «brief and theoretical rather than empirical», а ключевой критерий отличия — устойчивость эффекта после снятия архитектуры — открытым вопросом: «the desired behavior may 'survive' the removal of the scaffolding choice architecture. Yet this, again, is an empirical question».
[🟡 по выжимке] Thaler & Sunstein (2003) ввели термин «либертарианский патернализм» — предшественник книги Nudge (2008); текст за пейволлом на всех проверенных каналах (AEA, Chicago Unbound, RePEc), доступен только абстракт: «The false assumption is that people always (usually?) make choices that are in their best interests... We claim that it is testable and false» — дословных данных о механизме или величине эффекта из этой статьи нет.
Приём: изменение архитектуры выбора (порядок опций, формулировка, время/канал напоминания, визуальное оформление) без запрета альтернатив и без изменения материальных стимулов. Механизм: воздействует на среду принятия решения, а не на компетенцию решающего (nudge, в отличие от boost — Hertwig & Grüne-Yanoff 2017). Критерий «сработало»: статистически значимое изменение поведения (take-up rate, доля выполнивших целевое действие) относительно контрольной группы. Замер: мета-анализ 455 эффектов, d=0,45 [0,39; 0,52] — но при поправке на публикационное смещение (RoBMA) падает до d=0,04 [0,00; 0,14], BF01=0,95 (Mertens 2022 vs Maier 2022); в полевых государственных RCT средний эффект 1,4 п.п. против 8,7 п.п. в академических статьях (DellaVigna & Linos 2022); мегастади 19 вариантов одной задачи — средний +2,1 п.п., лучший +4,6 п.п., различия между вариантами статистически не доказаны (Milkman 2021). Где не работает / побочные: после жёсткой поправки на публикационное смещение среднего эффекта класса «nudge» не остаётся (Maier 2022), хотя гетерогенность подсказывает, что отдельные приёмы могут работать; эффект в поле систематически меньше заявленного в литературе (в 6 раз, DellaVigna & Linos 2022); «артистичные»/неожиданные по тону сообщения — среди наименее эффективных (Milkman 2021). Цена внедрения: может быть очень низкой (два SMS — «less than a dime» за пациента, Milkman 2021) или требовать институционального редизайна процесса (дефолты, формы) — сильно зависит от конкретного приёма.
(б) Процедура. Не полагаться на среднюю величину эффекта «nudge вообще» — она либо мала, либо статистически неотличима от нуля после поправки на публикационное смещение (Maier et al. 2022); ожидать эффект порядка единиц процентных пунктов, тестировать конкретный приём в своей среде через RCT/квазиэксперимент, а не переносить цифры из одной статьи. (в) Среда. Эффект систематически завышен там, где решение опирается на отдельные публикации с малой выборкой (MDE 6,3 п.п. в среднем по академической выборке); риск переоценки ниже там, где тест проводит подразделение с доступом к большим выборкам (MDE 0,8 п.п., DellaVigna & Linos) — масштаб теста снижает шанс принять шум за эффект. (г) Организация. Институциональные «nudge units» (BIT, OES) с собственным RCT-протоколом на больших N сами по себе корректируют переоценку эффекта до публикации (кейсы, не РКИ на уровне организаций); мегастади (Milkman 2021) — организационный формат, отличающий истинный разброс между вариантами от шума.
2026-09-12
отвечено 0 из 2
1. По переанализу Maier et al. (2022) того же датасета, что и Mertens et al. (2022), что произошло со средним эффектом «nudge» после поправки на публикационное смещение методом RoBMA?
2. По данным DellaVigna & Linos (2022), во сколько раз средний эффект nudge в реальных государственных подразделениях (Nudge Units) меньше, чем в опубликованных академических статьях?