社会比较反馈与居民节约用电行为：来自墨西哥的实地实验证据

《Energy Policy》：Social comparison feedback and residential electricity conservation: Field experimental evidence from Mexico

　　• 手工递送的对比传单提供了节省电费的建议，这些建议适用于墨西哥的补贴电力用户。• 在坎昆和梅里达，短期的电力使用减少了11%和9%，这一效果在多种检验中都得到了验证。• 在基线消费量最高的家庭中，电力使用减少幅度最大。• 该研究为高收入电力市场以外的地区提供了罕见的随机化证据。• 小样本表明，这些效果可能是大规模推广项目的上限。

1. 引言
在那些家庭最负担不起通常用于抑制电力需求的涨价的地方，住宅电力需求增长最快。新兴和发展中经济体的收入增加推动了空调和其他高耗电设备的普及（Gertler等人，2016年；Biardeau等人，2020年；Rao和Ummel，2017年），预计这种需求的增长主要集中在非经合组织国家：Lane（2020年）估计，在2018年至2030年间，先进的经济体仅占住宅电力消费增加量1077太瓦时的6.5%，其余93.5%发生在新兴和发展中经济体。同时，在许多这些国家，住宅电力受到补贴，而补贴改革的政治成本往往非常高（Di Bella等人，2015年）。财政空间有限且在政治资本（如贫困、安全、教育）方面有竞争要求的政府自然不愿通过提高电价来解决问题（Buckley，2020年；Di Bella等人，2015年）。这使得补贴市场的政策制定者不得不寻找不依赖价格的解决方案。社会比较提示就是这样一种工具。通过向家庭展示他们的用电情况与邻居的比较，这些干预措施已被证明可以在不改变价格的情况下降低电力使用量，其中在美国进行的数十项随机试验中最具影响力的是“家庭能源报告”（Home Energy Report, HER）项目（Allcott，2011年；Allcott和Rogers，2014年；Ayres等人，2013年；Costa和Kahn，2013年）。这些试验的典型估计效果大约为1-2%的用电量减少，但Brandon等人（2026年）对38项此类试验的分解显示，大约一半的长期效果是通过技术采用而非习惯改变实现的，而且与用于其他行为（如慈善捐赠或投票）的社会比较提示相比，这种效果在停止干预后仍然显著。这表明了一个更普遍的教训：当社会比较提示与可持续技术结合使用时，效果会更持久，而节能行为正是这类技术（如防潮条、高效灯泡、可编程恒温器）所针对的行为。

社会比较提示是否在新兴市场、受补贴的高增长环境中同样有效，这是一个单独且研究较少的问题。Asmare等人（2021年）指出，关于社会比较对能源使用影响的证据几乎全部来自美国和其他高收入经合组织国家，在这些国家，家庭比新兴经济体的典型家庭更富裕，电力消耗也更多。在这些国家之外，证据仍然有限：Pellerano等人（2017年）在厄瓜多尔的基多发现电力使用减少了1.2%，Sudarshan（2017年）在印度首都地区发现减少了7%，Li等人（2025年）在中国报告了通过排名信息实现的节能效果。这些估计结果差异较大，因此尚不清楚新兴市场、受补贴的高增长市场的特定条件是否增强了或削弱了社会比较的效果。我们通过在墨西哥尤卡坦半岛上增长最快的两个城市梅里达和坎昆进行的两次实地实验来探讨这个问题。这两个城市都具备使这一情境具有政策相关性的三个特征：热带气候导致降温需求增加，家庭收入增长速度远高于全国平均水平，以及电力补贴制度使得基于价格的节能政策难以实施。我们将新建住宅区中的中等收入家庭随机分配为收到或未收到一份传单，该传单将他们的用电量与邻居的平均水平进行了比较，并列出了低成本的节能建议。由于传单结合了建议和面对面交付，我们的估计测量的是整个方案的效果，而不仅仅是社会比较的效果。使用按家庭分组的差分差异设计，我们估计在传单发放后的三个月内，坎昆的电力使用量减少了11.3%，梅里达减少了9.3%。这些效果与印度和立陶宛报告的7%和9%的效果相当，远高于美国大规模试验中的1-2%基准，尽管如第6节所讨论的，这种规模的效果在小型实地实验中很常见。坎昆的月电费减少了约18.9%，梅里达减少了11.0%。电费按比例减少的原因在于，根据墨西哥的分段计价制度，家庭节省的千瓦时电量是成本最高的部分。

本文有三个贡献。首先，它为一直集中在高收入、价格敏感电力市场的文献增添了拉丁美洲、热带、受补贴电力环境的背景，回应了Asmare等人（2021年）对非高收入国家证据的呼吁。其次，它直接估计了效果在不同家庭中的变化情况：在两个城市中，基线消费量较高的家庭减少了更多的用电量，而收入和空调拥有量仅在坎昆影响了效果的程度。由于公用事业公司已经通过账单记录了每个家庭的用电情况，这种模式表明，将传单发送给用电量最高的家庭可以获得最大的节能效果。第三，它记录了常见的实地实验特征（从账单、受访者回忆和公用事业记录中收集的消费数据，以及因未响应而减少的样本）如何影响估计结果，并显示结果对使用实地记录的消费数据、选择性流失的界限以及基于基线消费的条件具有鲁棒性。我们还报告了令人印象深刻的证据，即比较信息本身也很重要：在坎昆，被告知用电量超过邻居的家庭比被告知用电量低于邻居的家庭减少了更多的用电量，即使考虑了他们的基线消费量也是如此。我们在讨论中将自己的估计结果与Brandon等人（2026年）的机制证据进行了关联，但我们的两波设计无法说明效果的持久性。

本文的其余部分安排如下。第2节描述了尤卡坦半岛的经济和气候背景。第3节回顾了相关文献，区分了关于社会比较的研究和关于新兴经济体住宅节能的广泛实地实验。第4节描述了干预措施、数据和实证策略。第5节展示了结果。第6节讨论了发现、其政策含义及其局限性，第7节进行了总结。

2. 经济和气候背景
本研究中的干预措施发生在墨西哥东南部的尤卡坦半岛上的两个城市：尤卡坦州的首府梅里达和金塔纳罗奥州的坎昆。这两个城市都是该国增长最快的城市之一——2010年至2020年间，坎昆的人口增长了38%，梅里达增长了20%（INEGI，2010年；2020a）——并且这两个城市的收入增长迅速，同时暴露在高温环境中的程度也在增加。2018年至2022年间，金塔纳罗奥州的平均城市收入增长了27%，尤卡坦半岛的平均城市收入增长了17%（INEGI，2018年；2020b；2022年），均远高于全国平均11%的增长幅度。这种收入增长和城市扩张的结合与Gertler等人（2016年）和Rao和Ummel（2017年）记录的模式一致，即新兴经济体中中等收入的增加导致了高耗电设备的更多普及。半岛上的电力消费增长速度也快于全国其他地区。根据国家电力规划计划，半岛地区是墨西哥增长最快的地区：2021年至2022年间，半岛地区的电力消费增长了6.8%，是全国3.4%增长率的两倍，预计2023年至2037年间每年增长3.6%，而全国为2.5%（SENER，2023年）。然而，该地区的电力系统在国家标准下较为脆弱：发电严重依赖天然气和传统热电厂，输电能力有限且经常拥堵，因此不可靠性迫使一些家庭使用小型、污染更严重的备用发电机（Bracho等人，2021年）。半岛上的电力供应成本相对较高，停电也频繁发生（Enríquez等人，2019年）。气候预测进一步加剧了这一问题。根据SSP3-7.0情景，墨西哥的年平均温度预计在1995-2014年基线和2020-2059年期间上升0.82°C（世界银行，2024年）；尤卡坦半岛的预计增幅为1.28°C，超过了全国平均水平。梅里达的气候为热带干旱型，坎昆为热带湿润型，两者在炎热季节都记录到超过40°C的最高温度（SMN，2022年8月；2024年5月）。

Biardeau等人（2020年）表明，高温暴露和收入增加是全球空调普及的核心驱动因素。空调拥有量也是我们两个样本之间的显著差异之一（梅里达每户1.55台，坎昆每户0.31台；表1），这一差距可能反映了梅里达较高的收入和气候条件。这些特征描述了实验发生的背景；由于我们的设计并未改变这些因素，我们无法估计气候、收入增长或电力补贴如何影响干预效果。

表1. 每个城市处理前的统计摘要
| 变量 | 坎昆 | 梅里达 |
|--------------|------------|-------------|
| 电力消耗（千瓦时） | 230.69 | 383.89 |
| 电费（墨西哥比索） | 312.79 | 312.79 |
| 收入（墨西哥比索） | 13,560.99 | 13,560.99 |
| 空调 | 0.51 | 0.31 |
| 微波炉 | 0.30 | 0.30 |
| 洗衣机 | 0.70 | 0.70 |
| 风扇 | 1.62 | 1.62 |
| 汽车 | 0.09 | 0.09 |
| 大学生 | 0.05 | 0.05 |
| 家庭规模 | 4.10 | 4.10 |
| 家庭数量 | 382 | 387 |

3. 相关文献
本文涉及两个研究方向：一是关于社会比较反馈作为减少住宅电力消费工具的实验文献，二是关于新兴经济体住宅节能的更广泛文献，包括实地实验和国家效率计划的评估。Brandon等人（2026年）的最新研究扩展了这一领域，他们对38项“家庭能源报告”试验中的近140,000名搬家者的分析提供了关于长期效果持久性的新证据，我们在讨论自己结果的可扩展性时参考了这些证据，但并未对其进行测试。

3.1. 社会比较与能源使用
社会比较反馈是最广泛研究的行为干预措施之一，这主要是由于Opower的“家庭能源报告”在美国的大规模部署和评估。Allcott（2011年）、Ayres等人（2013年）、Costa和Kahn（2013年）以及Allcott（2015年）报告称，接受干预的家庭平均减少了1-2%的用电量，效果因政治意识形态、住房类型和基线消费量而异（Costa和Kahn，2013年；Allcott和Rogers，2014年）。特别是Allcott（2011年）发现，基线消费量较高的家庭效果更为显著，这一模式也在我们的两个样本中得到证实。Allcott和Rogers（2014年）表明，这些效果在干预停止后至少持续两年，而Brandon等人（2026年）使用近140,000名搬家者的样本发现，这种长期效果大约有一半是由于采用了可持续的节能技术，而不仅仅是习惯的形成——正如我们在第6节中讨论的，这对社会比较在技术普及度较低的环境中的表现有直接影响。

在美国以外，相关证据相对较少。Asmare等人（2021年）的研究是在一个“不太富裕的经合组织国家”进行的，而Beredo等人（2014年）将基于规范的信息传递扩展到了水资源节约方面，但仍在美国。两项早期研究将文献扩展到了新兴市场领域。Pellerano等人（2017年）在厄瓜多尔基多的中等消费家庭中实施了社会比较干预，发现电力使用减少了1.2%；他们还发现，增加金钱激励并不会增强效果，反而可能削弱效果。Sudarshan（2017）研究了印度首都地区的一组公寓，发现13美元的金钱激励没有任何效果，而仅依靠社会比较则减少了7%的用电量。这两项研究都没有设置在热带气候下，也没有涉及大多数新兴经济体住宅需求增长所具有的高增长和高补贴特征。

越来越多的近期研究在互补的层面上扩展了这一文献。Kazukauskas等人（2025年）研究了立陶宛电力生产者和消费者的社会比较行为，发现将比较与高峰电价通知结合使用，比单独使用任何一种方法都能更有效地减少净电力消耗。Li等人（2025年）的研究表明，排名信息（社会比较反馈的一种形式）能够促进中国家庭的能源节约，将这一证据扩展到了一个主要的新兴经济体。一项对使用社会比较作为行为改变技术的随机试验的元分析（Hoppen等人，2025年）表明，这种技术在能源领域之外的应用也非常有效。而最近的研究（Li等人，2026年）通过大型语言模型个性化提示来促进电力和热水的节约，表明下一代社会比较工具可能比上述研究中使用的静态传单和信件更加精准。

de Castro Matias和Tabak（2024年）的比较分析对于如何理解我们的研究结果以及将其与更广泛的文献联系起来具有特别重要的意义。他们回顾了18项利用反馈和社会规范提示来促进电力节约的实地实验，发现样本大小与估计效果大小之间存在系统性关系：样本量超过1000户家庭的实验显示出大约1-3%的消耗减少，接近Allcott（2011年）对60万户家庭研究得出的2.03%的基准值；而样本量少于1000户家庭的实验则显示出大约10%的减少，有些实验的效果甚至更大。他们暂时将这种模式归因于List（2021年）所说的“电压效应”——即在小型、代表性不足的试点样本中估计出的效果，在大规模推广到更多样化的人群时往往会显著减弱，这可能是由于假阳性的存在、对目标人群了解有限，以及小型试点无法检测到的溢出效应所致。我们自己的样本数量分别为382户和387户，正好属于他们的“小样本”类别，我们估计的效果为9.3%-11.3%，也在他们的小样本研究报告中提到的8%-13%范围内。这一发现有助于我们正确解读研究结果：它表明我们的估计值与其他小型、同质性强的实地实验相比并不异常，但也意味着如果将类似干预措施推广到尤卡坦半岛或整个墨西哥的所有中等收入家庭，其效果可能会被高估，这个问题我们将在第6.3.2节中进一步讨论。

关于新兴经济体中的住宅能源节约的实地实验，另一部分文献研究了使用非社会比较方法的干预措施。Wolak（2015年）在新加坡（一个高收入的城市国家）的家庭中安装了实时消耗显示设备，发现电力消耗减少了4%。Ponce de Leon Barido等人（2018年）在尼加拉瓜的马那瓜向家庭和微型企业分发了消耗传感器，并记录到通过改进自我监控实现的消耗减少。在与我们情况密切相关的墨西哥背景下，Stojanovski等人（2020年）通过20分钟的教育研讨会向普埃布拉的家庭介绍了他们的消耗情况以及他们面临的分阶段电价结构，发现处于较高边际电价阶段的家庭比处于基本电价阶段的家庭减少了6.5%的消耗。Davis等人（2020年）研究了墨西哥北部的绝缘升级工程，但未发现明显的消费减少效果，他们将这一无结果归因于家庭在炎热天气开窗，从而抵消了绝缘升级带来的节能效果。与此一致的是，我们在样本中大约一半的住宅中进行的绝缘升级与两个城市的消费都没有显著关联（附录表A.5、表A.6），尽管这些升级并不是随机分配的。Jack和Smith（2015年）研究了南非开普敦的预付费计量系统转型，发现消耗减少了14%，其中大部分是由于之前计费不足的家庭导致的。

相关文献直接评估了墨西哥的全国能源效率计划。Martínez-Montejo和Sheinbaum-Pardo（2016年）发现，到2013年，最低能效标准使得家用电器节省了近16太瓦时的电力；而Davis等人（2014年）发现，大规模更换低效冰箱和空调的项目虽然减少了电力消耗，但每吨二氧化碳避免的成本很高。结合上述关于社会比较的文献，这些研究表明，新兴市场中有效的低成本需求侧干预措施仍然有限，而社会比较方式——因为它们不需要价格变化、硬件补贴或家庭投资——在基于价格改革最不可行的市场中值得更仔细地研究。

4. 干预措施、数据与实证策略
4.1 干预措施
干预措施包括一份由调查员亲自递送的个性化传单，其中包含了三个要素：首先是一个社会比较部分——一个条形图将家庭的电力消耗与同一社区内家庭的平均消耗以及最节能家庭的消耗进行比较，调查员会手动标出该家庭的相对位置；其次是一个评价提示：如果家庭的消耗低于社区平均水平，则显示笑脸图标，否则显示哭脸图标；第三是一系列低成本的节约建议，包括关闭无人使用的房间内的灯和电视、解冻冰箱、拔掉不使用的电器，以及提醒使用空调的家庭每多开一度电就会增加账单。图1展示了在坎昆使用的传单；梅里达的传单内容相同，只是日期和社区数据不同。由于这些要素是同时提供的，我们的设计无法区分比较部分、建议部分或个人递送部分各自单独的效果；第5.4节提供了关于比较作用的一些证据。

下载：高分辨率图片（296KB）
下载：全尺寸图片
图1. 提供给实验家庭的传单。

因为这种干预措施既不需要价格变化，也不需要硬件补贴，所以原则上可以在任何有挨家挨户调查能力的市场中实施，包括那些没有智能电表或可靠互联网连接的市场——考虑到第2.4节描述的电网基础设施有限，这是一个重要的考虑因素。

2. 样本、分配与数据收集
我们从中新建设的公益性住房项目中抽取了样本（vivienda de interés social）。这些住宅通常是通过INFONAVIT（国家工人住房基金）或商业贷款机构购买的，而获得INFONAVIT贷款需要正式就业。在约55%的工人从事非正规就业的国家（INEGI，2026年），这一标准选择了收入稳定的家庭，我们将其视为中等收入家庭。尽管如此，两个样本之间的收入仍有差异：坎昆的家庭平均收入不到梅里达的一半（表1），因此坎昆样本更接近这个群体的较低端。大多数家庭拥有自己的住宅，但坎昆有29%的家庭租房，而梅里达有18%的家庭租房。将样本限制在这些项目中还确保了住宅布局的一致性，从而减少了住房特征的未观察到的变异。每个城市中大约有一半的样本住宅接受了生态升级，包括在南面、东面和西面的墙壁上增加了1.5英寸的绝缘层，旨在减少制冷需求。

抽样和分配由Parametría调查公司分两个随机阶段完成。该公司首先根据每个项目的地图随机抽取街道，然后在该街道内随机抽取个别住宅。这样，在坎昆从1430户住宅中抽取了500户，在梅里达从1677户住宅中抽取了500户。每个抽样家庭在被访问前都被随机分配到实验组或对照组：坎昆的实验组和对照组数量相等，而为了优先传播节约信息，梅里达的实验组有330户，对照组有170户。由于分配是在街道内进行的，实验组和对照组的家庭实际上是邻居，且分配本身按街道进行了分层。如果传单中的信息从实验组家庭传播到了相邻的对照组家庭，那么对照组家庭也会采取节约措施，从而使得我们的估计值偏向于零。

在坎昆，基线访问和传单递送发生在2018年8月10日至15日，跟进访问发生在2018年11月3日至10日；在梅里达，这些活动发生在2020年10月10日至15日，跟进访问发生在2021年1月14日至22日。跟进访问的时间安排是为了确保最新的账单覆盖传单送达后的第一个计费周期；因此，跟进调查测量的是干预实施后的第一个计费周期内的消耗情况，即大约在传单送达后的三个月。梅里达的实验是在COVID-19疫情期间进行的。访问过程中没有限制家庭外出；调查员佩戴口罩并保持物理距离，由于许多居民待在家中，因此很容易接触到他们。因为实验组和对照组家庭都在同一时期接受了调查，所以两地因疫情导致的共同消费变化被相互抵消了。

在每个城市抽取的500户家庭中，坎昆有382户（184户实验组，198户对照组），梅里达有387户（261户实验组，126户对照组），这些家庭构成了最终估计样本（附录表A.1）。大部分样本损失是由于无法在后续访问中重新联系到这些家庭：坎昆有61户实验组和49户对照组，梅里达有64户实验组和42户对照组。另外还有15户家庭被排除在外：坎昆有一户实验组的消费记录为零，梅里达有七户家庭的成员在加拿大电力公司（CFE）工作，以及梅里达有七户家庭的月度账单超过3000比索。我们在检查账单分布后发现这些值与其他值差异较大，认为这些记录可能是错误的；随访时记录的最大账单为2522比索。如果将同一标准应用于基线阶段，还会排除另一户家庭（梅里达的一户实验组），但这只会使梅里达的估计值从-36.5千瓦时变为-35.3千瓦时。两个组之间的随访非响应率和总体保留率没有显著差异（坎昆实验组保留率为73.6% vs 79.2%，?? =0.17；梅里达实验组保留率为79.1% vs 74.1%，?? =0.22；Fisher的精确检验），且两个城市的差异方向相反。尽管排除可能存在选择性，我们还是根据Lee（2009年）的方法得出了界限，这两个城市的差异仍然为负（附录表A.12）。

在每次访问中，调查员要求查看家庭最近收到的加拿大电力公司（CFE）的账单，并记录消耗量（千瓦时）和账单金额。CFE每两个月向住宅用户收费一次，因此我们将消耗量和账单金额都除以二，然后报告每月的数值。由于两次调查发生在不同的季节，消耗量也会因与干预无关的原因而变化；方程（1）中的Post指标考虑了这些季节性变化，这些变化在两个组中都是共同的。如果家庭无法出示账单或回忆不起自己的消费情况，调查员会记录受访者的报告并通过家庭账户号从CFE获取官方数据；调查员会对这些情况进行标记，分析时使用的是官方数据。数据中的每一项消费和账单记录都由研究团队的三名不同成员进行了三次核对。附录表A.2按城市、组和调查阶段报告了依赖于官方CFE数据的观察比例，以及这些数据与受访者报告之间的差异。由于在基线阶段，调查员需要知道每个实验家庭的精确消耗量来填写传单，因此在大多数情况下，如果实验组的报告无法通过账单确认，他们会当场获取官方数据。因为依赖官方数据的家庭在两个小组中都占多数，这种差异被大部分抵消了。

同样的调查员负责递送传单和进行跟进访问，所以他们知道每个家庭的实验状态。数据收集的三个特点限制了这种知识对测量结果的影响范围：首先，消耗量要么是根据家庭提供的账单转录的，要么是从CFE的记录中获取的，并非通过调查员可以引导的问题来获取的；其次，在现场工作结束后，研究团队三次核对数据中的每张账单和消费数据与CFE的记录。第三，这些估计结果对于使用现场原始记录的数据和将样本限制在那些在两次调查中均未或均未修正数据统计的家庭来说都是稳健的（附录表A.12）。该研究获得了墨西哥FLACSO能源与环境政策硕士项目协调委员会的批准（批准编号MEPYGEM/012/2018）；批准涵盖了两项实验，并要求研究必须尊重参与者的隐私，数据仅用于学术目的。参与者在入口处给予了口头知情同意：调查人员出示了身份证明，宣读了说明研究目的和数据使用方式的声明，并明确表示参与是自愿的，受访者可以拒绝回答任何问题。账户号码仅用于检索消费记录，并已被从分析数据中移除，分析数据中不包含姓名、地址、账户号码或调查人员标识信息。所有结果均以汇总形式呈现。表1报告了处理前的统计摘要。梅里达的家庭平均用电量明显高于坎昆的家庭（每月384千瓦时 vs 231千瓦时），这与梅里达较高的平均收入（每月31,571比索 vs 13,561比索）、更高的空调拥有率（1.55台 vs 0.31台）以及更多拥有汽车或家庭主人为大学生的情况相符。这些差异促使我们决定在不同城市分别报告估计结果，同时也会提供一个将城市与所有协变量相互作用的汇总模型。

4.3. 经验策略
我们使用差分差异设计来估计干预效果。对于城市?? ∈{坎昆, 梅里达}、家庭??和时期?? ∈{处理前, 处理后}，我们的基线模型为：
\[ \mathbf{Y}_\text{ini}_\text{ci}_\text{t} = \beta_0 + \beta_1 \times \text{Treated}_\text{ci} + \beta_2 (\text{Treated}_\text{ci} \times \text{Treated}_\text{ci}) + \epsilon_{\text{ci}} \]
其中 \(\mathbf{Y}_\text{ini}_\text{ci}\) 是月用电量（千瓦时）或月电费对数 (\(\log(\text{bill})\)，\(\text{Treated}_\text{ci}\) 表示被分配到宣传材料组，\(\text{Post}_\text{t}\) 表示干预后的计费期，\(\mathbf{X}_\text{ci}\) 是家庭和居住特征的向量，包括空调数量、生态房屋状态、收入、微波炉和洗衣机拥有情况、风扇数量、租客状态、女性家庭主人的比例以及家庭规模等。由于处理是随机分配的，\(\beta_0\) 估计了被分配到宣传材料组的平均效果（即意向处理效应）。差分差异设计还消除了处理前两组间任何不随时间变化的消费差异，因此识别效果基于处理组和对照组在没有干预情况下的平行趋势。向量 \(\mathbf{X}_\text{ci}\) 只测量了一次，且在不同调查波次中不变，因此不会影响 \(\hat{\beta}_0\)；它们描述了消费和电费的横截面差异，并可以提高估计的精确度。
对于电费，我们使用 \(\log(\text{bill})\) 作为因变量。这一选择是基于墨西哥住宅电价结构：电价的边际价格随着用电量的增加而急剧上升。由于电价是凸函数，因此给定千瓦数的绝对减少对于高消费家庭来说意味着更大的比索节省，而百分比减少（通过 \((\exp(\hat{\beta}_0) - 1) \times 100\) 计算）在不同家庭之间的可比性更强。对数模型还能适应电费的右偏分布。我们保留了千瓦数的原始数值（见附录表A.7和表A.8），因为其分布的偏斜度较小。由于每个家庭被观察了两次，我们按家庭对标准误差进行了聚类。由于有两个时期和一个家庭层面的处理，这相当于根据处理状态对每个家庭的结果变化进行回归。作为另一种估计方法，我们还报告了基于ANOVA的估计结果（见附录表A.11），该方法将处理效果与家庭自身的基线结果进行回归；ANOVA不假设基线差异完全持续存在，并且在结果随时间不完全相关的情况下比差分差异模型更有效（McKenzie, 2012）。

我们使用差分差异设计来估计干预效果。对于城市 \(c \in \{坎昆, 梅里达\}\)、家庭 \(i\) 和时期 \(t \in \{处理前, 处理后\}\)，我们的基线模型为：
\[ \mathbf{Y}_i^{t \text{post}} = \beta_0 + \beta_1 \times \text{Treated}_i + \beta_2 (\text{Treated}_i \times \text{Treated}_i) + \epsilon_i \]
其中 \(\mathbf{Y}_i^{t \text{post}\) 是月用电量（千瓦时）或月电费对数 (\(\log(\text{bill})\)，\(\text{Treated}_i\) 表示被分配到宣传材料组，\(\text{Post}_t\) 表示干预后的计费期，\(\mathbf{X}_i\) 是家庭和居住特征的向量。因为处理是随机分配的，\(\beta_0\) 估计了被分配到宣传材料组的平均效果（即意向处理效应）。差分差异设计还消除了处理前两组间任何不随时间变化的消费差异，因此识别效果基于处理组和对照组在没有干预情况下的平行趋势。向量 \(\mathbf{X}_i\) 只测量了一次，且在不同调查波次中不变，因此不会影响 \(\hat{\beta}_0\)；它们描述了消费和电费的横截面差异，并可以提高估计的精确度。

为了研究电费的变化，我们使用电费对数 (\(\log(\text{bill})\) 作为因变量。这一选择是基于墨西哥住宅电价的结构：电价是分段收费的，每千瓦小时的边际价格随着用电量的增加而急剧上升。由于电价是凸函数，因此给定千瓦数的绝对减少对于高消费家庭来说意味着更大的比索节省，而百分比减少（通过 \((\exp(\hat{\beta}) - 1) \times 100\) 计算）在不同家庭之间的可比性更强。对数模型还能适应电费的右偏分布。我们保留了千瓦数的原始数值，因为其分布的偏斜度较小。由于每个家庭被观察了两次，我们按家庭对标准误差进行了聚类。由于有两个时期和一个家庭层面的处理，这相当于根据处理状态对每个家庭的结果变化进行回归。作为另一种估计方法，我们还报告了基于ANOVA的估计结果（见附录表A.11），该方法将处理效果与家庭自身的基线结果进行回归；ANOVA不假设基线差异完全持续存在，并且在结果随时间不完全相关的情况下比差分差异模型更有效（McKenzie, 2012）。

为了检验异质性，我们根据处理状态、基线特征 \(Z_i\) 及其交互作用来估计每个家庭消费变化：
\[ \Delta \mathbf{Y}_i = \beta_0 + \beta_1 \times \text{Treated}_i + \beta_2 \times Z_i + \epsilon_i \]
其中一次只考虑一个特征（收入、空调数量、家庭主人为大学生等），并将 \(Z_i\) 对照城市的平均值进行中心化，以便 \(\beta_0\) 仍然代表平均效应。系数 \(\beta_2\) 衡量了处理效果如何随 \(Z_i\) 的变化而变化。我们对千瓦数的变化和对数千瓦数的变化分别估计了方程（2），以便可以用绝对值和百分比来解读结果，并报告了根据每个城市的四个特征调整后的 \(p\) 值（Holm, 1979）。为了检验比较效应，我们用基线消费低于邻里平均值的家庭作为对照组，这些家庭收到的是笑脸而不是哭脸，同时控制了处理和基线消费之间的交互作用。第5.4节将报告这些结果。

5. 结果
5.1. 基线可比性
表2比较了处理前两组家庭的情况。大多数个体差异很小且统计上不显著，但是联合检验所有家庭协变量与处理状态无关，拒绝了两个城市的平衡假设（坎昆的 \(p = 0.008\)；梅里达的 \(p = 0.015\)）。在坎昆，处理组的家庭基线消费量较低（223.6千瓦时 vs 237.3千瓦时，\(p = 0.019\)）和电费也较低（\(p = 0.022\)），收入也略低（\(p = 0.083\)），且拥有大学毕业生的家庭主人比例也较低（\(p = 0.091\)）。在梅里达，两组之间的基线消费量没有显著差异（\(p = 0.200\)），但处理组拥有更多的空调（\(p = 0.034\)）且收入较低（\(p = 0.016\)）。

表2. 处理前两组家庭的平衡性检验。
| 变量 | 坎昆 | 梅里达 |
|--------------|----------------|--------------|
| kWh | 223.59 | 378.09 |
| 电费（比索） | 293.55 | 330.67 |
| 生态房屋 | 0.53 | 0.50 |
| 空调数量 | 0.288 | 0.33 |
| 微波炉 | 0.326 | 0.278 |
| 洗衣机 | 0.685 | 0.732 |
| 风扇 | 1.690 | 1.561 |
| 租户状态 | 0.326 | 0.258 |
| 收入（比索） | 12,521 | 114,528 |
| 家庭主人为女性 | 0.413 | 0.495 |
| 家庭主人为大学生 | 0.033 | 0.071 |
| 儿童数量 | 0.761 | 0.697 |
| 家庭规模 | 4.07 | 4.13 |
联合检验协变量（\(p\)） | 0.008 | 0.015 |

注：基线数据来自处理前的调查。\(p\) 值来自具有不等方差的两个样本的 \(t\) 检验（Welch方法）。联合检验将处理状态与所有家庭协变量进行回归，并报告了异方差稳健的 \(F\) 检验的 \(p\) 值，以确定所有系数是否为零。

设计的三个特点限制了这些差异的影响。首先，差分差异估计方法消除了处理前两组间任何不随时间变化的消费水平差异；识别效果基于处理组和对照组在没有干预情况下的平行趋势。由于我们的协变量只测量了一次且在不同调查波次中不变，因此调整协变量不会改变处理效应的估计值，我们也不依赖协变量调整来解决不平衡问题。其次，处理组在两个城市中的初始消费量都较低（在坎昆这一差异尤为明显），因此回归到平均值会倾向于提高他们的消费量，这与我们估计的减少效果相反。第三，ANOVA模型将具有相同基线消费量的处理组和对照组进行比较，得出的估计值与差分差异结果接近（坎昆为-25.6千瓦时，梅里达为-39.0千瓦时），加上家庭协变量（包括空调和收入）后，这两个估计值基本保持不变（坎昆为-26.7千瓦时，梅里达为-41.7千瓦时；见附录表A.11）。坎昆的基线消费差距也与调查人员更频繁地从处理组家庭那里获取官方CFE数据有关：如果使用现场原始记录的数据，梅里达的基线消费量是平衡的，而在坎昆的处理组家庭中略高（见第4节和附录表A.2）。

5.2. 干预对电费的影响
表3报告了以电费对数 (\(\log(\text{bill})\) 为因变量的方程（1）的估计结果，标准误差按家庭进行聚类。在坎昆，处理组与对照组之间的交互作用为-0.2095个对数单位，在所有三个模型中均在0.1%的水平上显著，相当于相对于处理前平均电费313比索减少了约18.9%——即每月节省约59比索（按当时汇率约3美元）。在梅里达，估计值在-0.1201到-0.1171个对数单位之间，在所有三个模型中均在0.1%的水平上显著。完全指定的模型估计相当于相对于处理前平均电费743比索减少了约11.0%——即每月节省约82比索（按当时汇率约4美元）。由于家庭协变量只测量了一次且在不同调查波次中不变，包括它们不会改变处理效应的估计值；它们描述了消费和电费的横截面差异。在这些协变量中，空调拥有量与两个城市的电费水平有很强的相关性：在完全指定的模型中，每增加一台空调，坎昆的电费增加约48.3%，梅里达增加约10.9%。梅里达的关联度较低，因为那里的平均家庭拥有更多空调，尽管这种跨城市比较仅具有描述性。家庭收入也与两个城市的电费水平呈正相关，每增加1000比索的收入，电费增加约1.6%（见附录表A.3和表A.4）。

表3显示了以千瓦数为因变量的差分差异估计结果。在坎昆，处理组与对照组之间的交互作用为-0.2095个对数单位，在所有三个模型中均在0.1%的水平上显著，相当于电费减少了约18.9%。在梅里达，估计值在-0.1201到-0.1171个对数单位之间，在所有三个模型中均在0.1%的水平上显著。完全指定的模型估计相当于相对于处理前平均电费743比索减少了约11.0%——即每月节省约82比索（按当时汇率约4美元）。由于家庭协变量只测量了一次且在不同调查波次中不变，包括它们不会改变处理效应的估计值；它们的作用是描述电费水平的横截面差异，而非对干预的反应差异，我们将在第5.4节直接研究这一点。在这些协变量中，空调拥有量与两个城市的电费水平有很强的相关性：在完全指定的模型中，每增加一台空调，坎昆的电费增加约48.3%，梅里达增加约10.9%。梅里达的关联度较低，因为那里的平均家庭拥有更多空调，尽管这种跨城市比较仅具有描述性。家庭收入也与两个城市的电费水平呈正相关，每增加1000比索的收入，电费增加约1.6%（见附录表A.3和表A.4）。

表3. 差分差异估计：月电费。
| | 坎昆 | 梅里达 |
|-----------------|----------------|--------------|
| | (1) | (2) | (3) |
| Post × Treated | -0.2095 | -0.2095 | -0.2095 |
| | (0.0173) | (0.0173) | (0.0174) |
| 空调数量 | 0.5709 | 0.5709 | 0.3940 |
| 生态房屋 | 是 | 是 | 是 |
| | (0.0397) | (0.0638) | (0.0397) |
| | 否 | 是 | 是 |
| | 764 | 764 | 764 |
| 家庭数量 | 382 | 382 | 382 |
| | 20.055 | 0.526 | 0.640 |
| | 774 | 378 | 378 |
| | 20.042 | 0.541 | 0.541 |
注：标准误差按家庭进行聚类。\(p < 0.05\)，\(p < 0.01\)，\(p < 0.001\)。因变量为 \(\log(\text{bill})\)；近似百分比处理效果为 \((\exp(\hat{\beta}_0) - 1) \times 100\)。模型（1）不包括协变量；（2）增加了空调数量和生态房屋状态；（3）增加了完整的协变量向量（收入、微波炉、洗衣机、风扇、租户状态、汽车、家庭主人为女性、家庭主人为大学生、儿童数量和家庭规模）。协变量只测量了一次，且在不同调查波次中不变，因此不会影响 \(\Post \times \text{Treated}\) 的估计值，除非梅里达有少数家庭的汽车拥有情况在调查波次间发生变化。

5.3. 干预对用电量的影响
表4报告了以千瓦数为因变量的相应估计结果。处理使坎昆的家庭每月用电量减少了26.1千瓦时，相对于处理前的平均消费量231千瓦时减少了11.3%；在梅里达，减少了35.8–36.5千瓦时，相对于处理前的平均消费量384千瓦时减少了9.3–9.5%（在完全指定的模型中为9.3%）。这两个估计值在所有三个模型中均在0.1%的水平上显著。与表3类似，包括协变量也不会改变处理效应的由于这两个实验在年份、季节、电价方案和样本构成上存在差异，而且梅里达实验是在COVID-19疫情期间进行的，这些差异描述了两种不同的情况，而不是解释为什么效果在这两种情况下会有所不同。最后，梅里达指标与空调拥有情况之间的交互作用在账单方程中是负值且显著，但在千瓦时方程中则不显著：在梅里达，额外的一个空调单元会导致账单增加较少，因为那里的家庭平均已经拥有多个空调单元，尽管这种城市间的比较仅具有描述性。

表5. 汇总估计：对对数月度电费的影响。

| | | | |
|------|---------|---------|---------|
| Mérida | 0.8941 | 0.6937 | 0.3769 |
| Post | -0.2095 | -0.2095 | -0.2095 |
| Mérida × Post | 0.0893 | 0.0893 | 0.0924 |
| Air conditioners | 0.5676 | 0.3940 | -0.2964 |
| Mérida-specific effect | -0.1201 | -0.1201 | -0.1171 |

注：标准误差按家庭聚类。*?p < 0.05，*??p < 0.01，*???p < 0.001。所有规格均包括Mérida、Post、Treated及其所有双向交互作用。(2)增加了空调数量与城市的交互作用；(3)增加了全部协变量与城市的交互作用。

表6. 汇总估计：对月度电力消耗（千瓦时）的影响。

| | | | |
|------|---------|---------|---------|
| Mérida | 158.61 | 84.31 | 12.34 |
| Post | -26.14 | -10.36 | -13.74 |
| Mérida × Post | -11.4 | -12.68 | -4.6 |
| Air conditioners | 7.13 | 7.92 | 5.25 |
| Mérida × Below average | 11.36 | 4.62 | 11.36 |

注：标准误差按家庭聚类。*?p < 0.05，*??p < 0.01，*???p < 0.001。所有规格均包括Mérida、Post、Treated及其所有双向交互作用。

5.4. 不同性和比较的作用

表7分析了效果在家庭间的差异，分别针对每个基线特征估计方程(2)。两个城市都呈现出一个模式：干预前的消费量较高的家庭减少的消费量更多。在坎昆，每增加100千瓦时的基线消费，消费量额外减少31.6千瓦时；在梅里达，这个减少量为32.2千瓦时（Holm调整后的p值<0.001）。这种模式不仅仅是因为高消费家庭有更多的削减空间：在百分比上也是如此（每100千瓦时分别增加7.9%和4.3%；调整后的p值分别为0.015和0.001），而且减少量从坎昆最低消费三分位的6.6%上升到最高消费三分位的13.3%，在梅里达则从3.6%上升到15.2%（见图B）。

表7. 治疗效果的异质性和比较的作用。

注：每个家庭的观察次数为1538次。

5.4. 不同性和比较的作用

其他特征仅在坎昆对效果有调节作用。在那里，收入较高和拥有更多空调的家庭在千瓦小时和百分比上的消费减少量更多（见表A）。由大学毕业生担任户主的家庭减少的消费量较少；如果有的话，他们的减少量更少（调整后的p值为0.065）。在梅里达，效果与收入、空调拥有情况或教育水平没有显著差异。由于这些特征相互关联，并且与基线消费相关，而且这项分析没有预先指定，我们将这些结果视为描述效果最大的情况，而不是原因。尽管如此，这些结果具有实际意义：基线消费是唯一在两个城市中都调节效果的特征，也是公用事业公司在计费记录中实际观察到的特征。

由于传单结合了社会比较和节约提示，我们的主要估计无法单独分离比较的影响（第4节）。设计的一个特点提供了暗示性证据。比较信息在不同家庭间有所不同——低于社区平均水平的家庭收到笑脸图标，而高于平均水平的家庭收到哭脸图标——尽管提示内容是相同的。如果比较有影响，那么在固定基线消费的情况下，被告知消费量超过邻居的家庭应该有更强烈的反应。在坎昆，我们发现：在考虑治疗与基线消费交互作用的情况下，收到笑脸图标的家庭减少了11.4千瓦时的消费，或比收到哭脸图标的家庭少减少了4.6个百分点（p值分别为0.015和0.026；见表C）。在梅里达，差异很小且不显著。由于家庭相对于社区平均水平的位置与其消费量密切相关，而我们的样本量太少，无法比较恰好高于和低于平均水平的家庭，我们将这视为比较在坎昆产生效果的暗示性证据，而不是效果分解的结果。

6. 讨论

6.1. 为什么我们的估计值相对较高？

我们在坎昆估计的消费效应为11.3%，在梅里达为9.3%，远高于美国大型HER试验中的1-2%基准（Allcott, 2011；Ayres et al., 2013；Costa and Kahn, 2013），以及新加坡实时反馈估计的4%（Wolak, 2015）和普埃布拉的6.5%电价信息估计（Stojanovski et al., 2020）。这些估计值与印度报告的7%社会比较效应（Sudarshan, 2017）和立陶宛的9%效应（Asmare et al., 2021）相当。相应的账单减少量——坎昆为18.9%，梅里达为11.0%——在比例上更大，因为在分段电价制度下，家庭节省的千瓦时是最昂贵的部分。

我们看到三个非排他的解释。首先，我们的干预是面对面进行的，并且将比较与实用节约提示结合在一起，而美国和立陶宛的研究是通过邮寄报告进行的；面对面的传递可能提高了信息的显著性，提示也为家庭提供了具体的行动方式。由于这些元素是同时传递的，我们无法分离它们的贡献。其次，我们的样本来自封闭的、同质的住宅区，其中的邻居收入、年龄和家庭构成相似；Burchell et al.（2016）认为，社会比较的显著性因参考群体的接近而增强，而我们的设置可能比美国大型试验中更具异质性的社区更有利于这种效果的最大化。第三，也可能是最简单的解释，我们的样本量相对于典型的美国试验来说较小，de Castro Matias和Tabak（2024）对十八个社会比较和反馈实验的比较回顾显示，样本量本身就能解释大部分差距：样本量少于1000户的家庭的实验结果集中在10%的效应范围内，而样本量超过1000户的家庭的实验结果集中在1-3%的范围内，接近Allcott（2011）的原始估计。我们估计的9.3%和11.3%完全落在他们回顾文档的小样本范围内，这表明我们估计的部分可能反映了电压效应（List, 2021），而不是特定环境对刺激效果的放大。

6.2. 持续性文献对这种干预措施规模化的启示是什么？

Brandon等人（2026）将社会比较激励的长期效果分解为可归因于技术采纳的部分和可归因于习惯形成的部分，发现美国家庭消费的长期减少大约有一半是由于家庭采纳了耐用的节能技术（如更高效的灯泡、密封条等低成本升级）而非激励改变了习惯。他们进一步表明，这种技术渠道解释了为什么社会比较在能源和水资源使用上的效果在停止后仍然持续很长时间（平均而言，一年后仍有65%的初始效果），而缺乏明显技术补充的社会比较效果在行为上的持续时间较短（平均仅有4%）。

我们的双波设计无法测试这些效果是否具有持续性。然而，它确实提供了关于短期内渠道的有限直接证据。在坎昆，后续调查询问了家庭自基线访问以来是否购买了新的空调或更换了冰箱。接受治疗和对照家庭这样做的人数比例相似（空调为7.6% vs 8.1%，p值=0.86；冰箱为9.8% vs 7.1%，p值=0.34），因此我们在交付后大约三个月测量的减少量似乎并非来自新设备，更可能反映了家庭如何使用现有设备的变化。如果如Brandon等人（2026）所发现的，持续性取决于家庭最终是否采纳了耐用技术，那么这种投资的私人回报是重要的。对于支付补贴电价的墨西哥家庭来说，这种回报较低，而对于支付零售价格的美国家庭来说则较高，因为回报随家庭实际面临的价格而变化。因此，我们假设我们的短期估计可能高估了相对于未补贴市场相同激励下的长期效果。

6.3. 分配和政策的含义

我们异质性结果中最明显的模式是，基线消费较高的家庭在两个城市中都减少了更多的消费，无论是绝对量还是百分比（第5.4节）。收入和空调拥有情况在坎昆调节了效果，但在梅里达则没有。由大学毕业生担任户主的家庭在两个城市中的反应都不明显。实际意义在于目标定位：由于公用事业公司在计费记录中已经记录了每个家庭的消费情况，将传单定向给最高消费的家庭可能会产生最大的节省效果，而无需收集关于收入或家电的信息。

这种模式也与非价格工具如何补充墨西哥的分段电价有关，分段电价可以保护低消费家庭免受全部供应成本的影响，并在消费增加时收取更高的边际价格。我们的结果显示，社会比较包在消费最多的家庭中减少了最多的消费。然而，我们没有估计这些家庭对价格的反应，因此无法确定激励是否达到了价格工具无法达到的效果。社会比较和电价设计在补贴市场中是否是替代品或互补品是一个我们的设计未解决的问题。

6.4. 全球南方的证据缺口

我们想明确指出的一点是，关于美国以外国家和少数中高收入或OECD国家的社会比较干预的有限证据本身对于政策制定很重要。这不仅仅是文献回顾中的空白。我们不知道有哪个已发表的实地实验在非洲测试了住宅电力节约的社会比较，而在拉丁美洲，我们只知道基多研究和我们自己的研究。这并不是因为潜在的需求增长问题集中在其他地方：正如第1节所讨论的，新兴和发展中经济体占了预计住宅电力需求的绝大多数（Lane, 2020）。这些差异似乎反映了在这些地区影响能源和发展研究的数据访问限制：公用事业通常由国家拥有或监管薄弱，账单记录往往没有数字化，或者受到严格的数据共享条款限制。正如Carnegie等人（2024年）所指出的，在民粹主义政治环境下，政府可能有动机隐瞒或压制信息。在美国，研究人员可以利用Opower的多公用事业数据基础设施，在38个实验周期中覆盖近两百万家庭进行研究（如Brandon等人2026年的研究所示），而在拉丁美洲、撒哈拉以南非洲或印度以外的南亚和东南亚地区，这样的基础设施并不存在。我们自己的研究也需要逐户收集账单并与公用事业记录进行核对，尽管样本规模远小于美国相关研究中的样本量，这也体现了这一限制。

6.5. 限制
有四个限制需要明确说明。首先，我们的估计结果是短期的：我们观察到的是交付后大约三个月的一个账单周期的数据，因此无法确定这种效应在干预结束后是否会持续或减弱；其次，我们的干预措施结合了社会比较、评估提示和上门服务；我们对这些措施的整体效应进行了估计，但关于比较本身作用的证据仅限于坎昆地区；第三，我们的样本来自新建设的社会福利住房项目中的正式雇员家庭，它们并不能代表墨西哥的整体收入分布，而非正式部门的家庭（占就业总数的50%以上，INEGI，2026年）可能会有不同的反应；第四，我们的样本量较小，正如第3节所讨论的，小规模实地实验的效应在扩大到更大、更多样化的群体时往往会减弱；因此，我们的估计结果应被视为类似大规模项目可能实现的效应上限。

7. 结论与政策启示
我们提供了新的证据，表明一种低成本的非价格干预措施——一种结合邻里比较和节能提示的手工分发传单——可以在热带、受补贴且快速发展的新兴市场中降低住宅用电量和电费。在交付后的第一个账单周期内，坎昆的用电量下降了11.3%，梅里达下降了9.3%，电费分别下降了约18.9%和11.0%。这些估计结果对于基于基线消费数据的替代估计方法、使用原始实地记录的消费数据以及允许选择性样本流失的假设都是稳健的。然而，鉴于我们的样本规模较小，我们的估计结果更适合作为类似大规模项目可能实现的效应上限来看待，而不是一个恒定不变的效应大小。

关于哪些家庭受到影响的最明显模式是，基线消费较高的家庭在两个城市中无论是绝对数量还是百分比上都能减少最多的用电量。由于公用事业已经在账单记录中掌握了每个家庭的用电情况，这提示了一个简单的政策建议：将这种传单发送给用电量最高的家庭可能会带来最大的节省效果。我们的设计无法回答这种干预措施是补充还是替代电价改革的问题，因为我们没有估计家庭对价格变化的反应；同样，我们也无法确定这些效应是否会持续。在坎昆，实验期间的受干预家庭购买新电器的可能性并不高于对照组，这表明短期的用电量减少主要来自家庭对现有设备使用方式的变化。结合Brandon等人（2026年）的分解分析，这引发了另一个问题：在美国维持社会比较效应的技术采纳渠道，在补贴削弱了效率投资私人回报的环境中是否同样有效，这一问题可以通过延长实验时间来直接解答。更广泛地说，目前缺乏来自高收入和中高收入国家之外的可比证据，这限制了我们对这一文献在拉丁美洲、非洲以及南亚和东南亚市场外部有效性的理解，而这些地区将产生世界上大部分未来的住宅用电需求。

作者贡献声明
Sara Avila Forcada：撰写 - 审稿和编辑、原始草稿撰写、验证、方法论、数据收集、正式分析、数据管理、概念构建。
Adan L. Martinez-Cruz：撰写 - 审稿和编辑、验证、方法论、正式分析、概念构建。

关于写作过程中使用生成式AI和AI辅助技术的声明
在准备这项工作时，作者使用Claude（Anthropic）将Stata代码转换为R语言，并从数据中生成LaTeX表格。作者使用原始数据验证了所有分析结果，根据需要审查和编辑了所有输出内容，并对发表文章的内容负全责。

Sara Avila Forcada | Adan L. Martinez-Cruz