DAOrayaki | Gas成本和选民参与
DAOrayaki DAO研究奖金池：
资助地址: 0xCd7da526f5C943126fa9E6f63b7774fA89E88d71
投票进展：DAO Committee 4/7 通过
赏金总量：70 USDC
研究种类：DAO, Costs and Participation,Gas costs，
原文作者：Tally
贡献者：Dewei, DAOctor @DAOrayaki
原文： Gas Costs and Voter Participation
协议治理机制的选择对协议的成功和未来的发展路径有很大的影响。在诸如 Compound 的 Governor Bravo 之类的链式治理框架上，允许对提案结果进行无信任执行，这提供了更大的去中心化，但需要用户支付交易费用才能参与。另一方面，像 Snapshot 这样的链下投票机制支持自由投票，但不能自动执行，并且涉及额外的信任假设（例如，信任多重签名以正确跟踪投票结果）。
协议必须权衡更多参与的好处与中心化风险。但在他们开始考虑这种权衡之前，他们需要更好地了解交易成本和Gas如何影响参与链上协议。客座贡献者 Raphael 提供了一个数据驱动的分析，其中有一些关于去中心化协议的惊人发现。
投票成本会影响治理参与吗？
我们试图通过数据优先的方法来回答这个问题。下面我们将分享我们的发现并量化交易成本与投票之间的相关性。
如果您对方法论不太感兴趣，可以跳到下面的结果部分。
总结
交易成本会影响治理参与，但只有超过 10 美元才会显著影响。
在我们包含 110 个提案和 5000 多张选票的整个数据集中，投票成本仅占差异的 2%。换句话说，没有相关性。
然而，过滤掉平均成本低于 10 美元的提案会使相关性增加到 7%。进一步过滤掉低于 20 美元的提案，相关性进一步提高至 18.5%。
总之，成本确实会影响参与度，随着成本的增加，参与度的影响会越来越大。然而，18.5%仍然客观上较低，表明其他因素的影响更大。
了解更多分析过程，请看此部分。
实验设计：弄清楚如何量化交易成本和治理参与之间的关系。
我们的研究涵盖了五个 DAO 的提案。他们分别是：
lCompound
lIdle
lIndexed
lInverse
lPool Together
我们在每个DAO中收集个人投票数据，并按提案对其进行分组。
为了量化投票参与和交易成本之间的相关性，我们首先需要定义这两个变量。
定义提案参与
我们将给定提案的治理参与定义为：
投出的选票数量 / 对同一 DAO 中的单个提案投出的最大选票数量
这种简单的方法有助于控制 DAO 在规模和参与度方面的自然差异。结果是一个简单的百分比，用于捕获给定提案的参与。
定义交易成本
我们的下一步是定义交易成本。研究的所有 DAO 都在以太坊上，我们可以用 Gwei 计价交易成本。然而，考虑到以太坊的波动性和标准化指标的愿望，我们选择以美元计价交易成本。
一个怪癖是我们无法收集交易中使用的确切Gas（我们只能收集Gas限制）。
这使得我们声明的交易成本高于选民实际花费的金额。然而，鉴于选民设定了限额，我们认为这代表了选民愿意支付的金额。
结果
有了我们的数据集，我们就可以进行分析了。我们首先查看所有数据点。
正如您所料，趋势线显示，随着投票成本的增加，参与度下降。然而，当我们查看实际的相关性时，它揭示了一个不同的故事。
皮尔逊系数只有 2%，这基本上意味着没有相关性。
一种想法是，当名义投票成本很小时，变化不应该对参与产生影响。例如，我们是否应该期望 5 美分的差异会影响参与度？
包括这些低投票价格会给数据集带来很多噪音，降低整体相关性。
在这里，我们删除了平均投票成本低于 10 美元的所有提案。而且，我们实际上看到 皮尔逊系数增加了三倍以上，达到 7%。
按照同样的思路，我们可以假设从 10 美元到 10.50 美元的变化不应该影响参与率。
下面，我们删除了平均投票成本低于 20 美元的所有数据点。再次，我们看到 Pearson 系数，这次一直到 18.5%。
那么，我们如何解释这些不同的观点呢？
无论我们是否按投票成本过滤参与数据，我们都会看到两个一致的结果：
1.所有图表都显示负趋势线，并且
2.所有图表都显示了相当低的 R2 值。
直觉上，低于某个阈值，交易成本的变化不会影响参与。因此，过滤掉低于某个数量的提案是合适的，指出对参与度下降的贡献介于 11% 到 18.5% 之间。
尽管如此，这是一个相当低的皮尔逊平方值，并强调了存在许多混杂变量的现实。
可能的例子包括提案的重要性、协议的当前流行度、协议的大小和日期等。
自己探索数据
我们创建了一个交互式仪表板，您可以在其中自己处理数据。
您可以按 DAO 进行过滤，以查看协议的参与如何单独关联。具有讽刺意味的是，Inverse 的参与实际上是负相关的（随着交易价格的上涨，参与也随之增加）。
此外，您可以通过平均投票成本来限制数据集中包含哪些提案。
下一步
为了加深我们对参与成本影响的理解，我们应该丰富我们的数据集。
一些想法包括：
1.按通过的票数分割地址
2.在无Gas/无成本环境中引入控件，例如 Snapshot
3/引入措施来控制活动代表随时间推移的漂移
构建数据库，添加更多 DAO、提案和价格点
最终，如果 DAO 想要最大限度地参与，他们应该承认交易成本的影响，并考虑在高交易成本环境中减轻影响的方法。但与此同时，重要的是不要夸大Gas成本的影响，因为可能有更重要的选民参与驱动因素。某些缓解措施，例如使用无Gas fee链下投票和用于提案执行的多重签名，会损害安全性和去中心化。因此，对于 DAO 来说，重要的是要考虑收益是否大于风险。