University of Groningen
Correlation, causation, and dynamics Bhushan, Nitin
DOI:
10.33612/diss.126588820
IMPORTANT NOTE: You are advised to consult the publisher's version (publisher's PDF) if you wish to cite from it. Please check the document version below.
Document Version
Publisher's PDF, also known as Version of record
Publication date: 2020
Link to publication in University of Groningen/UMCG research database
Citation for published version (APA):
Bhushan, N. (2020). Correlation, causation, and dynamics: Methodological innovations in sustainable energy behaviour research. University of Groningen. https://doi.org/10.33612/diss.126588820
Copyright
Other than for strictly personal use, it is not permitted to download or to forward/distribute the text or part of it without the consent of the author(s) and/or copyright holder(s), unless the work is under an open content license (like Creative Commons).
Take-down policy
If you believe that this document breaches copyright please contact us providing details, and we will remove access to the work immediately and investigate your claim.
Downloaded from the University of Groningen/UMCG research database (Pure): http://www.rug.nl/research/portal. For technical reasons the number of authors shown on this cover page is limited to 10 maximum.
Samenvatting
Er is wereldwijd consensus dat menselijk handelen een van de oorzaken is van klimaatverandering. Met name de toename van koolstofdioxide in de atmos-feer veroorzaakt klimaatverandering. Door huishoudens aan te moedigen om duurzamer energiegerelateerd gedrag te vertonen, kan de anthropogenische klimaatverandering worden verminderd. Onderzoekers hebben verschil-lende methodologische aanpakken en statistische modellen gebruikt om te onderzoeken welke factoren een rol spelen bij het duurzaam energiegerela-teerd gedrag. Deze methodologiën kunnen doorgaans geclassificeerd wor-den in correlationeel onderzoek waarin verbanwor-den onderzocht worwor-den, (veld)experimenten die meer geschikt zijn om causale relaties te bestuderen en longitudinale onderzoeken die bestuderen hoe de relaties tussen factoren en duurzaam gedrag veranderen over de tijd.
In dit proefschrift worden grafische modellen en generalised additive
mod-els geïntroduceerd om duurzaam energiegerelateerd gedrag te bestuderen. In
het bijzonder wordt gekeken naar de onderwerpen exploratief onderzoek, causale inferenties en het herkennen van verschillen in dynamische energie-verbruikspatronen tussen groepen. In het eerste deel van dit proefschrift (Hoofdstukken 2 en 3) worden exploratieve onderzoekstechnieken geïntro-duceerd. Exploratieve analyses leveren een eerste inzicht in de relaties tussen
items en variabelen die verband houden met duurzaam energiegerelateerd gedrag. Hierdoor krijgen onderzoekers beter inzicht in de data alvorens de stap naar uitgebreidere en gerichtere statistische methoden wordt genomen.
In Hoofdstuk 2 laten we zien hoe het Gaussische grafische model gebruikt kan worden om een makkelijk te begrijpen inzicht te krijgen in de relaties tussen items en variabelen die met duurzaam energiegerelateerd gedrag te maken hebben. Daarnaast kunnen zogenaamde causal search-algoritmes ge-bruikt worden om de probabilistische causale verbanden tussen variabelen in kaart te brengen. Voorzover wij weten is de prestatie en de toepasbaarheid van dergelijke algoritmes op duurzaam-gedragsdata nog niet bestudeerd. In Hoofdstuk 3 voeren we een simulatiestudie uit om de prestaties van twee causal search-algoritmes (het PC algoritme en het LiNGAM algoritme) te vergelijken in settings die typisch zijn voor dit type onderzoek. Deze simu-latiestudie liet zien dat beide algoritmes met zorgvuldigheid gebruikt dienen te worden, aangezien ze innacuraat kunnen zijn en vatbaar zijn door meet-fouten als gevolg van steekproeffluctuatie.
Het tweede deel van dit proefschrift stelt een aantal nieuwe methoden voor causale inferentie voor. Om het effect van interventies op duurzaam energiegerelateerd gedrag te bestuderen worden gerandomiseerde gecon-troleerde proefopzetten (RCTs) aangeraden. Hoewel RCTs in theorie opti-maal zijn, zijn zij in de praktijk vaak niet haalbaar. Derhalve is het van belang om te bestuderen wat alternatieve onderzoeksopzetten zijn om het effect van interventies te meten in situaties waarin RCTs niet haalbaar blijken te zijn. In Hoofdstuk 4 beschrijven wij zo’n alternatieve aanpak aan de hand van
che causale modellen en, in het bijzonder, gerichte acyclische grafen (directed
acyclic graphs, DAGs).
Tenslotte bestuderen we verschillen tussen groepen in dynamische patro-nen in energieverbruik. Om anthropogenische klimaatverandering tegen te gaan hebben veel huishoudens duurzame maatregelen getroffen zoals de aanschaf van photovoltaïsche (PV) panelen (‘zonnepanelen’). De aankoop van PV panelen kan zeer effectief zijn om klimaatverandering tegen te gaan, vooral als huishoudens hun PV panelen op een zo duurzaam mogelijke manieren gebruiken (d.w.z., met name energie verbruiken op momenten waarop de opbrengst van PV panelen hoog is). De literatuur is niet een-duidig over de mate waarin PV bezitters ook daadwerkelijk duurzaam ge-bruik maken van hun PV. Verder bouwend op eerdere studies, die analyses op basis van zelfrapportages bevatten, hebben we in Hoofdstuk 5 daadwerke-lijke longitudinaal energieverbruik geanalyseerd. Aan de hand van generalised
additive models hebben we het energieverbruik van PV bezitters vergeleken
met dat van huishoudens die geen PV bezitten. We hebben geen verschillen gevonden in energieverbruik tussen beide groepen op momenten waarop de PV productie laag was, wat suggereert dat PV bezittende huishoudens hun PV niet op de meest duurzame manier gebruiken.