Economic Impact of Solar Lighting 

A Randomised Field Experiment in Rural Kenya   

 

 

Adina Rom1, Isabel Günther1 & Kat Harrison2 

1NADEL Center for Development and Cooperation, ETH Zürich 

2Acumen 

 

 

Study Report. Version v1. 

December 2016. 

 

Working Paper ‐ Please do not quote or cite without permission of the authors.  

Please direct any questions and correspondence to: adina.rom@nadel.ethz.ch 

 

 

Most recent version: http://www.dec.ethz.ch/research/solar‐lighting.html 

 

 

Page 2 of 54  

Contents

Executive Summary ................................................................................................................................. 4 

Acknowledgments ................................................................................................................................... 7 

List of Acronyms ...................................................................................................................................... 8 

List of Figures & Tables ............................................................................................................................ 9 

1  Introduction ................................................................................................................................... 10 

1.1  Background ............................................................................................................................ 10 

1.2  Research Questions ............................................................................................................... 11 

2  Methodology ................................................................................................................................. 13 

2.1  Research Design .................................................................................................................... 13 

2.2  Sample Selection ................................................................................................................... 15 

2.3  Balance Test across Treatments at Baseline ......................................................................... 16 

2.4  Intervention ........................................................................................................................... 17 

2.5  Data ....................................................................................................................................... 18 

2.5.1  Qualitative Data and Piloting......................................................................................... 18 

2.5.2  Survey Data.................................................................................................................... 18 

2.5.3  Sensor Data ................................................................................................................... 19 

2.6  Estimation Approach ............................................................................................................. 19 

2.6.1  Summary Statistics and Sample Description ................................................................. 19 

2.6.2  Analysis of Take‐up ........................................................................................................ 20 

2.6.3  Analysis of Impact .......................................................................................................... 20 

2.7  Limitations of the Research Design ....................................................................................... 23 

3  Results ........................................................................................................................................... 24 

3.1  Description of Households .................................................................................................... 24 

3.2  Take‐Up of Solar Lights .......................................................................................................... 29 

3.2.1  Availability of Solar Lights .............................................................................................. 29 

3.2.2  Impact of Prices on Take‐Up ......................................................................................... 31 

3.2.3  School Differences in Take‐Up ...................................................................................... 32 

3.3  Use of Solar Lights ................................................................................................................. 33 

3.4  Impact of Solar Lights on Kerosene Use ................................................................................ 38 

3.5  Financial Impact of Solar Lights ............................................................................................. 42 

3.6  Time Impact of Solar Lights ................................................................................................... 46 

3.6.1  Adult’s Time Use ............................................................................................................ 46 

3.6.2  Children’s Time Use ....................................................................................................... 48 

Page 3 of 54  

4  Bibliography ................................................................................................................................... 52 

 

 

Page 4 of 54  

ExecutiveSummary

Universal access to electricity has become a policy goal in many countries in sub‐Saharan Africa, where 

most of the population remains unelectrified. Electrification has been linked to a range of development 

improvements  such  as  higher  income,  increased  female  employment,  and  better  health  and 

educational outcomes. On the one hand, researchers, policy‐makers, energy providers and financiers 

debate  whether  electrification  should  be  achieved  through  large‐scale  infrastructure  or  through 

decentralized solutions (such as mini grids or home systems), or a combination of the two (Lee, Miguel 

& Wolfram, 2016a). On the other hand, concerns about climate change combined with the continued 

decline in solar photovoltaic (PV) and battery prices makes solar‐powered electricity more and more 

attractive to donors, NGOs, and policy makers. At the intersection of these two debates are small‐scale 

solar lights, which have attracted increasing attention from practitioners. The hope is that solar lights 

have  large  social and economic benefits  for  consumers  such as allowing poor households  to  save 

money on kerosene and spending more time on productive activities as well as improving indoor air 

quality and health outcomes, and to helping children to study more and improving their learning. 

Despite growing interest, there is still little rigorous evidence regarding the demand for modern energy 

products and services by the poor, and the impact of solar lights on households’ well‐being. We hope 

this  randomised  controlled  trial  (RCT)  can  contribute  to  this debate by  revealing more  about  the 

demand for small‐scale solar products and how these products are used, as well as how usage impacts  

households’ energy expenditure and household members’ time use. To get a detailed and objective 

measure of the use of solar lights, we used novel sensor technology in addition to conventional survey 

data. Moreover, we analyze both the impact of solar lights sold at market price as well as the impact 

of highly subsidized solar lights. 

The International NGO SolarAid has done primary research in this space and commissioned this study 

to gather  independent, rigorous evidence – Google funded the research, which  is now managed at 

Acumen.   

This RCT was conducted with 1,401 households  in the rural areas surrounding the town of Busia  in 

Western Kenya, where  less  than 5% of  the population  is connected  to  the national electricity grid. 

These  households  have  very  limited  access  to  energy:  they  rely  on  kerosene‐based  products  for 

lighting, firewood for cooking, and local shops to charge mobile phones. For an average household, 3‐

5% of overall monthly cash expenditure goes to energy, and the poorest 20% of households spend up 

to 10% of their cash budget on energy needs. Lighting expenditure alone accounts for around 60% of 

energy expenditure.  

To understand price sensitivity of demand, we randomized prices at the household level. Respondents 

received an offer to buy a solar light at either a high discount, a low discount, or the market price. The 

take‐up rate for people who were offered a solar light at the market price of US $9 was 29%, the rate 

for those who received an offer to buy for US $7 was 37%, and the rate among those with an offer 

valued at US $4 was 69%. Every household adopted the solar light when it was provided at no cost. In 

our study, almost all households (98%) who received a free light or purchased one kept the solar light 

until the end of the study, but around 10% of households who received a free light reported that their 

solar light was no longer functional when the 7 months study was over.  

Page 5 of 54  

Both sensor data and survey data reveal that most households that receive or purchase a solar light 

use it almost every day for about 4 hours per day on average, and mostly in the evening hours. 

A solar light replaced one of the 2.2 kerosene‐based tin lamps that the average household used before 

the study. As a result, access to a standard solar light reduces households’ energy expenditure by about 

US $0.5 to US $1.5 per month, corresponding to about 1% to 2.5% of household total cash expenditure 

and  about  25%  to  60%  of  household  energy  expenditure.  Based  on  these  financial  savings,  the 

amortization  time of solar  lanterns  is between 6 and 22 months at current kerosene prices. These 

calculations may  change as  the price of  solar  lighting drops  further and/or  the price  for  kerosene 

increases. 

Men and women with access to a solar light do not use more lighting during the day, but boys and girls 

increase daily lighting use by 12 minutes, corresponding to a 6% increase in light use. Boys and girls 

who receive access to a solar light spend less time sleeping (between 20‐30 minutes per day) and boys 

tend to spend 17 minutes more studying, corresponding to an 11% increase in study time. The question 

is whether this slight increase in study time (in addition to improved lighting quality) leads to better 

schooling outcomes. While most other studies did not find any effects of solar lighting on test scores 

(Furukawa 2013a; Grimm et al., 2016; Smith, 2014; Kudo, Shonchoy & Takahashi, 2015) and nothing in 

our preliminary analysis of  test scores points  in  that direction,  further work on our data  is needed 

before such impacts can be excluded. SolarAid/Acumen, in partnership with Stanford University, are 

conducting research  looking specifically at the effects of (solar)  lighting on educational outcomes  in 

Zambia. We do not see any difference in how women use their time once they have access to solar 

lighting. We see, however, that men with access to solar lighting tend to have more time for recreation. 

Neither men nor women increase the hours they engage in productive activities.  

In summary, we see that most households who purchase or receive a solar light use it daily for several 

hours and often tend to treat the solar light as a substitute for a kerosene light. This allows households 

to reduce monthly kerosene costs and to save between 1% and 2.5% of their total cash expenditures. 

However, about a tenth of the lights are broken after 7 months, indicating that quality improvements 

to  the solar  lights are still necessary. Demand  for solar  lights  is 29% at market price and  increases 

sharply to almost 70% when offered at a discounted price of US $4. We detect almost no difference in 

usage between  lamps provided free and  lamps sold to households, which means that full subsidies 

would  increase solar  light adoption without altering solar  light usage. There  is some evidence  that 

access to solar lights increases children’s light use and slightly increases the time boys spend studying, 

but we find no gains in study time for girls or shifts to more productive time use for adults. 

These  results  suggest  that  the  effects  of  solar  lights  are welfare  improving  for most  households; 

however, unsurprisingly, they do not seem to be transformational  in the sense that they do not  lift 

people out of poverty. Nevertheless, governments, NGOs and other organizations may still consider 

accelerating the adoption of solar lights through tax cuts, subsidies, creating more favourable business 

environments, or other means for the following reasons: 

First, as has been shown in this study, solar lights reduce kerosene lighting use of households by about 

half. Burning kerosene emits fine particulate matter (Jacobson et al., 2013; Lam et al., 2012; Lam et al. 

2016), which may causes adverse health and environmental effects (often referred to as externalities).  

Moreover, these are adverse effects that are not  immediately visible to the consumer but manifest 

themselves in the long run, while the costs have to be covered immediately. We know that consumers 

Page 6 of 54  

tend to  invest  less  in products with positive externalities and such “lagged benefits” than would be 

socially optimal, and this could provide a role for public organizations to step into. In future work we 

will quantify the extent of kerosene reduction using sensor data and the associated reduction in fine 

particular matter, as well as their related health outcomes.  In addition, SolarAid, in partnership with 

UC Berkeley,  are  conducting  research  on  the  impact  of  kerosene  and  solar  lighting  on  indoor  air 

pollution and health effects; this will provide additional insight on this subject. 

Second, if the policy goal is to provide all citizens with a minimum level of access to modern forms of 

energy, solar lanterns are probably the least expensive way to do so. However, one needs to bear in 

mind that solar lanterns only provide minimal access to energy that does not go beyond lighting and, 

in some cases, mobile phone charging capability.  

In resource‐constrained settings like Kenya, the cost‐effectiveness of any policy intervention should be 

compared to the cost‐effectiveness of policy alternatives to achieve the same (combination of) policy 

goals. For example, if the goal is to reduce households’ kerosene consumption, policy makers in Kenya 

should also consider abolishing kerosene subsidies. If the focus is on providing some access to modern 

energy, our findings should be compared with studies looking at the impacts of access to other forms 

of modern energy access. An extensive analysis of various policy options lies beyond the scope of this 

report. However, we hope that the results we outline here as well as the work on education, health 

and environmental impacts we plan to undertake in the future contribute to the body of evidence that 

is necessary for policy makers to make informed decisions about the allocation of scarce resources in 

the energy space.  

 

 

 

   

Page 7 of 54  

Acknowledgments

We would like to thank Kat Harrison (SolarAid/Acumen Fund) for initiating this study and supporting it 

from beginning to end, and Google for funding the study. We are also grateful for support from the 

SolarAid and the SunnyMoney field team, as well as Innovations for Poverty Action (IPA) and VYXER 

Research Management, for implementing the research so thoroughly. A special thanks to Carol Nekesa, 

Charles  Amuku,  Seline  Obwora,  Erick  Bwire,  Yael  Borofsky,  and  Nikita  Trokhin  for  outstanding 

management and research support as well as Prof Edward Miguel, Prof Jamie McCasland and the Chair 

of Development Economics at ETH Zurich for their intellectual input.  We are also very grateful to the 

entire  field staff  for carefully collecting  the data, as well as  the  teachers and head  teachers of  the 

selected schools in Nambale and Teso South, for participating in our study. Finally, we would like to 

thank each and every respondent who generously contributed their time to help us  learn. Asanteni 

Sana! We hope that this report contributes to a better understanding of lighting needs, solar energy, 

and poverty reduction.  

 

 

Page 8 of 54  

ListofAcronyms

 

GoK    Government of Kenya  

IEA    International Energy Agency  

ITT    Intention to Treat Effect  

IPA    Innovations for Poverty Action 

KCPE     Kenya Certificate of Primary Education 

LPG     Liquefied Petroleum Gas 

NGO    Non‐governmental Organization  

PPP    Purchasing Power Parity  

ToT    Treatment Effect on the Treated  

RCT     Randomised Control Trial  

SHS    Solar Home System 

SK     Sun King (Solar Light Brand produced by Greenlight Planet) 

US $    United States Dollar 

WB    World Bank 

WTP     Willingness to Pay  

%‐points  Percentage points = unit for the difference of two percentages (e.g., going from 40% 

to 47% is a 7%‐point increase)  

Page 9 of 54  

ListofFigures&Tables

Figure 2.1: Research Design .................................................................................................................. 13 

Figure 2.2:  Sun King Eco Light                                                             Figure 2.3: Sun King Mobile Light ... 18 

Figure 2.4: Solar Light Ownership at Endline ........................................................................................ 21 

Figure 3.1: Household’s Main Income Source  ...................................................................................... 25 

Figure 3.2: Tin Lantern         Figure 3.3: Kerosene Lantern .................................................................. 26 

Figure 3.4: Average Monthly Cash Expenditure by Households ........................................................... 28 

Figure 3.5: Average Monthly Cash Expenditure by Poor Households ................................................... 28 

Figure 3.6: Location of First Encounter with Solar Light ....................................................................... 30 

Figure 3.7: Location of First Encounter with Solar Light Sales .............................................................. 30 

Figure 3.8: Take‐up Ratio at Different Prices ........................................................................................ 31 

Figure 3.9: Take‐Up Ratio by School and Subcounty ............................................................................. 32 

Figure 3.10: Primary Activity Aided by Solar Light, Previous Evening ................................................... 34 

Figure 3.11: Daily “On‐Switches” of Solar Lights ................................................................................... 35 

Figure 3.13: Duration of Solar Light Use ............................................................................................... 37 

Figure 3.14: Daily Solar Light Use .......................................................................................................... 37 

Figure 3.15: Daily Solar Light Use Across Months ................................................................................. 38 

Figure 3.16: Lighting Sources used Previous Evening ........................................................................... 39 

Figure 3.18: Number of Hours of Lighting Use ...................................................................................... 41 

Figure 3.19: Household’s Monthly Energy and Lighting Expenditure ................................................... 43 

Figure 3.20: Men’s and Women’s Time Use ......................................................................................... 46 

Figure 3.21: Daily Routine by Gender ................................................................................................... 47 

Figure 3.22: Impact on Men’s and Women’s Time Use ........................................................................ 47 

Figure 3.23: Boys’ and Girls’ Time Use .................................................................................................. 49 

Figure 3.24: Impact on Girls’ and Boys’ Daily Routine .......................................................................... 49 

Figure 3.25: Impact on Boy’s and Girls’ Time Use ................................................................................. 50 

 

 

Table 2.1: Intervention Arms ................................................................................................................. 14 

Table 2.2: Busia County compared with the rest of Kenya ................................................................... 15 

Table 2.3: Balance Test between Control Group and Free Solar Light Group ...................................... 16 

Table 3.2: Impact on Expenditure Categories ....................................................................................... 44 

Table 3.3: Upper Bound Savings Effects on Expenditure ...................................................................... 45 

Table 3.4: Impact on Men’s and Women’s Time Use in Minutes ......................................................... 48 

Table 3.5: Impact on Boys’ and Girls’ Time Use in Minutes .................................................................. 50 

 

 

Page 10 of 54  

1 Introduction

1.1 Background

Access to electricity is a critical part of modern life and is considered both an outcome and a driver of 

development. A  number  of  studies  show  that  electrification  is  linked  to  a  range  of  development 

improvements,  such as higher  income, employment, and better health and educational outcomes 

(Dinkelman, 2011; Lipscomb, Mobarak & Barham, 2013; Chakravorty, Emerick & Ravago 2016; Baron 

& Torero, 2015). However, extending the grid to poor and remote rural areas and providing access to 

unelectrified households  is expensive and poses a number of political, administrative, and technical 

challenges  (World Bank, 2010). Hence, 68% of all households and 83% of  rural households  in sub‐

Saharan Africa  remain without access  to electricity  (IEA, 2015).  In  rural Kenya, around 95% of  the 

population  does  not  have  access  to  electricity  (Kenya  Population  and  Housing  Census,  2009). 

Unelectrified households typically rely on kerosene lanterns for lighting, which have high operational 

costs, give off low‐quality light, and could lead to adverse health and environmental effects.  

Prices for solar  lights have fallen by around 80%  in the past 6 years and are expected to drop even 

further (Bloomberg 2016). Therefore, solar  lights may provide a clean and cost‐effective solution to 

provide poor households with access to  lighting. Although there are a wide variety of off‐grid solar 

products, ranging from large installations powering entire villages to small portable lights (see Figures 

2.2 and 2.3), small, portable solar  lights have become  increasingly widespread  in  low‐ and middle‐

income countries, like Kenya, as a low‐cost means of providing very basic lighting services. They are 

particularly popular because they are easy to deploy, do not require a large up‐front investment, and 

only need  limited maintenance. Once  fully  charged,  small  solar  lights provide  light  for 3‐45 hours 

depending on the brand, size, and quality of the light. On the other hand, these solar lights only provide 

minimal access to energy and cannot satisfy energy needs beyond simple lighting (and in some cases 

mobile phone charging). While there are high hopes for solar‐powered lights, there is little empirical 

evidence concerning their cost‐effectiveness, impact on household welfare, or potential effect on the 

environment. Even less is known about what drives the adoption of this technology or what impact 

further price reductions might have on demand.  

With this randomized field experiment we intend to help close this knowledge gap by studying current 

demand for solar lights and the constraints which might limit their adoption, as well as the impact of 

owning a light on the lives of rural households.  

SolarAid,  and  its  social  enterprise  SunnyMoney,  is  one  example  of  an  organization  that  has  seen 

promise in solar lights and developed a business model to distribute these lights to rural households. 

SolarAid  has  also  been  very  committed  to  research,  conducting  its  own  on  the  ground,  and 

commissioning this study to better understand their impact on poverty reduction. Its social enterprise, 

SunnyMoney,  is one of the  largest distributors of solar  lighting products  in East Africa. SolarAid has 

sold over 1.87 million solar units to date, and more than 513,000 in Kenya alone (SolarAid 2016). The 

study was funded by Google, alongside a pilot study conducted by researchers at UC Berkeley to look 

at the impact of lighting on indoor air pollution and health. The study has been managed by impact 

investor Acumen  since  January 2016, when  the  SolarAid Research and  Impact department moved 

under its auspices.

Page 11 of 54  

This report begins with a summary of the research questions and related  literature, followed by an 

explanation of the research design, the data, and the estimation approach. The report concludes with 

a presentation of the main results. 

1.2 ResearchQuestions

The  first part of  the  study  focuses on  the  take‐up of  solar  lights.  In particular, we will  study  the 

following questions:  

Price elasticity of demand: To what extent does demand for solar lights change if the market price 

decreases?  

The second part looks at the use of solar lights. In particular, we will pose the following questions: 

Main Users: Who uses the solar lights within a household and for what purposes?  

Light consumption: Does access to a solar light change households’ light consumption?  

The third part discusses the economic impact of solar lights. We will first look at the financial returns 

to these investments, i.e., does average household spending on kerosene, candles, or batteries change 

with access to solar lights, and by how much? We will then assess the impact of solar lights on time 

use. In particular, we will focus on the following questions:  

Energy Expenditure: To what extent does a household’s expenditure on energy change with access 

to a solar light? How long does it take to amortize a solar light investment?   

Time Use: Do children and adults change their time use habits once they have access to a solar 

light? Do people have more hours engaged in productive activities in a given day?  

In this report, we analyze both the use and impact of solar lights when they are distributed free and 

compare that to usage and impact on households that purchased a light to test if there is any significant 

difference  between  the  two  groups.  The  broader  study  also  investigated  educational,  health  and 

environmental outcomes; however, this report focuses on the demand and economic impact of solar 

lights, with subsequent analysis and work being conducted on educational, health, and environmental 

outcomes. Literature Review and Research Gaps 

While  there  is  an  extensive  literature  on  technology  adoption  in  general,  few  studies  look  at  the 

adoption of solar lights in particular. In a working paper by Yoon et al. (2014), the authors use a game 

to elicit willingness to pay under different payment conditions for solar lights in India. They find little 

evidence for the constraints they test for (uncertain quality of the product, liquidity constraints, and 

present bias1), however, take‐up was very  low overall and  it  is hard to know  if,  in a context where 

overall interest in the product is higher, the constraints they identify would be binding. In a study from 

Bangladesh, the authors show that people who had a chance to test and use a solar product for some 

time were more  likely to buy  it at the end of the study (Kudo, Shonchoy & Takahashi, 2015). Along 

similar lines, a study conducted by SolarAid in Senegal identified lack of trust and lack of awareness as 

constraints to adoption (SolarAid 2014c).  

Due to the novelty of affordable solar lighting technology there is still little empirical evidence on the 

impact of solar lights. To our knowledge, there are only four working papers (Furukawa, 2013b; Smith, 

                                                            1 Present bias is the tendency to over‐value immediate costs (and benefits) relative to future costs (and benefits). 

Page 12 of 54  

2014; Hassan & Lucchino, 2016; Kudo, Shonchoy & Takahashi, 2015) and two published papers from 

Rwanda and Uganda (Grimm et al., 2016, Furukawa, 2013a) on the issue. Research from Rwanda has 

found that access to solar lighting leads to a reduction in overall household expenditure of around 3% 

(Grimm et al., 2016). An RCT conducted in Bangladesh found a 2% reduction of overall expenditure – 

corresponding  to 50% of  total kerosene expenditure – when one  solar  light was provided. Savings 

increased to 7% of overall expenditure and 75% of kerosene expenditure when three solar products 

were handed out (Kudo, Shonchoy & Takahashi, 2015).  In Solar Aid’s own data collection consumers 

also reported energy expenditures savings as an important reason to purchase a solar light.  

There is no conclusive evidence on whether and how solar lanterns influence time use among different 

household members and very few studies have even looked at this outcome (Grimm et al. 2016). With 

regard to educational outcomes, an RCT in Uganda finds that while study time increased, surprisingly, 

average test scores decreased slightly (Furukawa 2013a). Other studies find that test scores remained 

unchanged  (Grimm  et  al.,  2016;  Smith,  2014;  Kudo,  Shonchoy  &  Takahashi,  2015)  or  that  they 

increased after taking spillovers between households who received a free solar light and the control 

group into consideration (Hassan & Lucchino, 2016).  

When looking at children’s health outcomes related to coughing, difficulty breathing, chest pain, sore 

throat, eye  irritation,  fever, and headache, Furukawa  (2013b) reports a slight  improvement  in self‐

reported health for those who received a solar light during exam time, but is not able to measure any 

effect when using spirometers to measure breath volume. The author of the study specifically sampled 

children who experienced these health problems (coughing, chest pain, or difficulty with breathing) 

before the research started. The study in Bangladesh found no effect on self‐reported health, but they 

did find a slight decrease in eye irritations when a doctor examined the children (Kudo, Shonchoy & 

Takahashi, 2015).  

The existing evidence on the impact of solar lights on household light use, expenditure, wellbeing, and 

productivity  is not conclusive. Moreover, only a few studies have been conducted on these effects; 

most have small sample sizes (155‐341 households) and, at times, conflicting results. In addition, most 

previous studies distributed free lights, which does not allow for reliable estimation of willingness to 

pay or assessment of whether effects are different for people who purchase a solar light and people 

who receive a free one. Finally, previous work has solely relied on self‐reported data to estimate solar 

and  kerosene  light  usage,  a method which  can  be  both  imprecise  and  biased.  The  current  study 

complements existing research in the following ways: 

The  RCT  offered  solar  lights  at  different  prices  (including  SunnyMoney’s  market  price)  to 

understand people’s price elasticity of demand for solar lights. 

The RCT had a large sample size of around 1,400 households, which makes it possible to detect 

smaller effect sizes than studies with smaller samples.  

The RCT used sensor data in addition to survey data to obtain more accurate and objective data 

on light use.  

The RCT collected detailed time use data for both schoolchildren and one of their guardians.  

The RCT provided solar  lights  for  free to a randomly selected sub‐sample and solar  lights at a 

positive price to another sub‐sample, in order to study whether the use and impact of solar lights 

is dependent on whether people had to pay for this new technology or not.  

Page 13 of 54  

2 Methodology

The following section describes the methods used in this study, as well as the sample selection process 

and how data was collected.  

2.1 ResearchDesign

We conducted an RCT between July 2015 and March 2016 in 20 schools. Students (and their respective 

households) were randomly assigned to one of the following groups:   

a group with no intervention (control group),  

a group that received a free solar light (free solar light group),  

a group that had the opportunity to buy a solar light (voucher group or offer to buy group).  

Those  households  which  were  given  the  opportunity  to  buy  a  solar  light  (voucher  group)  were 

randomly assigned a price of US $4, US $7  (subsidized prices), or US $9 (the market price at the time 

of the study).  

The random assignment ensures that, on average, there is no difference between individuals assigned 

to  these  different  groups,  apart  from  exposure  to  the  intervention,  (receiving  a  free  light;  the 

opportunity to purchase a solar light; no intervention). Any observed differences between the three 

groups at the end of the study can be attributed to the  intervention, and  is not the result of other 

systematic differences between the groups (Duflo, Glennerster, and Kremer, 2007).  

Randomization was conducted at the household level, meaning that within each of the 20 participating 

schools each eligible student (and his/her respective household) was randomly assigned to one of the 

experimental groups.  

Figure 2.1: Research Design 

 

 

 

 

 

 

 

 

 

 

The RCT was conducted in Busia County in Western Kenya. Within this region we selected 20 public 

primary schools for the study out of a total of 97 eligible schools (see Section 2.2 for more details). 

1: Control Group  

400 Households 

  

  

2: Free Light  

400 Households 

  

  

        20 schools in Nambale and Teso South 

3: Vouchers

601 Households 

209 @ 400 KES/$4 

195 @ 700 KES/$7 

197 @ 900 KES/$9

All public primary schools in Teso South and Nambale of Busia County, Kenya 

                                                                    97 eligible schools                                  

Randomly selected 

Page 14 of 54  

From each of the 20 primary schools, about 70 households with at least one child in standards (or class) 

five, six, or seven were randomly selected and received one of the aforementioned interventions (see 

also: Table 2.1 and Figure 2.1):  

(1) Control group: 20 households per school, 400 households total.  

(2) Free solar lights group: 20 households per school, 400 households total, received a free solar light, 

of which 200 received a solar  light that also had a port to charge a mobile phone (see also: Section 

2.4).   

(3) Voucher group: About 30 households per school,2 601 households in total, received a voucher to 

purchase a solar light. In each school, 10 households were offered a solar light for 400 KES (US $4), 10 

households were offered a solar light for 700 KES (US $7), and 10 households were offered a solar light 

at the (summer 2015) market price of 900 KES (US $9).  

Table 2.1: Intervention Arms 

 

This research design allows us to estimate:  

Price elasticity of demand for solar lights 

Impact of receiving a free solar light on household light use, energy expenditure, and time use 

Impact of receiving an offer to buy a solar light (at different price levels) on household light use, 

energy expenditure, and time use 

Any differences in impact between receiving a solar light for free and purchasing a solar light 

 

                                                            2 Two of the schools did not have enough households that corresponded to the selection criteria. In these two schools, we reduced the number of vouchers distributed to 0 (Sango) and to 10 (Aburi) and increased the sampled students in larger schools instead.  3 Product specification sheet here: https://www.lightingglobal.org/products/glp‐sunkingeco/ 4 Product specification sheet here: https://www.lightingglobal.org/products/glp‐sunkingmobile/ 

Treatment  Number of Households 

(1) Control   400 

(2) Free Solar Lights  400 

   Free light "Eco" (light only)3  200 

   Free light "Mobile" (light and phone charging)4   200 

(3) Voucher  601 

   Voucher to buy for 400 KES  209 

   Voucher to buy for 700 KES  195 

   Voucher to buy for 900 KES (market price)   197 

Total   1401 

Page 15 of 54  

2.2 SampleSelection

We selected Busia County in Western Kenya because SunnyMoney was operating in this part of the 

country at the time of the study (July 2015‐March 2016). Busia is one of the more densely populated 

and poorer counties of Kenya’s 47 counties: it is below the national average when it comes to urban 

population, literacy, and share of population with a secondary education. Moreover, fewer people are 

electrified and fewer paved roads exist in Busia than the Kenyan national average. These differences 

may be related to the fact that Busia is more rural than the average county (Table 2.2).  

Table 2.2: Busia County compared with the rest of Kenya 

Source: GoK,  CRE  County  Fact  Sheets  2013. Note  that  two  of  the  sub‐counties  included  here  (Nairobi  and 

Mombasa) are almost entirely urban and Busia moves closer to the average if these are excluded. 

 

Within Busia, two sub‐counties, Nambale and Teso‐South, were selected for the study because they 

had sufficiently large rural populations and no other large ongoing research projects at the time. We 

selected  10  schools  in  each  of  these  sub‐counties  using  the  following  procedure:  the  local 

administration provided a list of every public school (50 in Nambale; 77 in Teso South). Schools with 

fewer than 100 pupils, schools with only girls or only boys, boarding schools, schools located in urban 

areas or too far from the research office to be easily reached, and schools whose head teacher was 

not present at the head teacher meeting5 were excluded. Of the remaining 97 schools we randomly 

picked 10 in each sub‐county, i.e., 20 schools in total. 

Within each of these 20 schools, a random sample of pupils was drawn from standards five, six, and 

seven. Standard eight was not  included  since  these pupils would have  left  school by  the  time  the 

endline survey was conducted. Students in lower classes (1‐4) were not included, as it would have been 

harder  for  them  to answer questions about homework,  time use,  light use, etc. On average, each 

school had 578 pupils and 168 households with at  least one  student  in  the  fifth,  sixth, or  seventh 

standard. In each of the selected schools, we randomly selected 20 students as a control group, 20 

students who received a free light, and around 30 students who received a voucher to purchase a solar 

light (10 at each price). However, two of the selected schools did not have enough pupils; we did not 

hand out any vouchers  in these schools. Visits to schools were announced  in advance and children 

                                                            5 Once per school term all head teachers from a sub‐county are invited for a meeting to receive information from the local administration.  

   Busia   Kenya  

Busia’s Rank out of all 

Counties (1=highest 

47=lowest)  

Total Population (2009)    743,946  38,610,097  25 

Pop. per sq. km  439  66  10 

Share urban pop.  16%  29.9%  28 

HIV prevalence   7.1%  6.2%  38 

Literacy rate   56.7%  66.4%  35 

Pop. with secondary education    9.9%  12.7%  34 

Electricity  6%  22.7%  32 

Paved roads   0.5%  9.4%  31 

Page 16 of 54  

were  encouraged  to  come  to  school;  however,  if  a  selected  pupil was  absent  that  day  s/he was 

replaced with another pupil who was drawn at random.  

Out of 3,360 eligible households (with at least one child in standard 5‐7 in the 20 schools in our sample) 

a total of 1,410 households were selected. All 1,410 pupils were surveyed for the first time in July and 

August 2015 (baseline) and seven months thereafter (endline). From the 1,410 pupils interviewed at 

baseline, we were able to interview 1,285 (91%) at endline: 9.6% of pupils moved to different schools 

and we were not able to track all the pupils down in their new schools. 

One of the pupils’ guardians, in most cases the mother (50.2%) or the father (28.7%), was interviewed 

at both baseline and endline. At baseline, we surveyed all but nine of the sampled guardians. Those 

nine  guardians  preferred  not  to  participate  in  the  study, meaning  that we  remained with  1,401 

households that were willing to participate in the study. Seven months later (at endline) we were able 

to  track  1,326  respondents,  corresponding  to  94%  of  the  original  sample.  However,  of  these 

respondents, 13 did not agree to an interview, leaving a sample of 1,313 (93.1%) at endline.  

2.3 BalanceTestacrossTreatmentsatBaseline

We  tested  the  balance  across  the  different  treatment  groups  and  the  control  group  using  key 

household characteristics and questions relevant to energy and light use at baseline. The table below 

displays the averages of  these  in the control group, the offer  to buy group and  the  free solar  light 

group, and if any of these differences are statistically significant.6 We found no statistically significant 

differences between the groups except that the offer to buy group had a lower percentage of business 

owners.  

Table 2.3: Balance Test  

   Control 

Offer to 

Buy  p Value  Free Light 

p 

Value  Prob > F 

Household Head Female 31% 28% 0.36 33% 0.61  1.15

Iron Roof  66% 62% 0.14 67% 0.92  0.18

Household Size  6.81 6.70 0.42 6.61 0.18  0.40

Chickens Owned  6.22 5.71 0.27 6.06 0.73  0.63

Main Income from Agriculture  69% 70% 0.67 65% 0.27  0.26

Household Head Years of Education  6.61 6.29 0.21 6.35 0.38  0.45

Owns Business  33% 25%*** 0.01 31% 0.58  0.02***

Owns Radio   55% 57% 0.70 52% 0.37  0.67

Electricity through Grid 1% 2% 0.47 1% 0.74  0.53

Number of Mobile Phones  1.43 1.40 0.63 1.39 0.50  0.79

Monthly Spending on Kerosene (US$)  2.09 0.43 0.14 1.99 0.39  0.34

Owns Any Solar Light   6% 7% 0.30 7% 0.46  0.58

Nr of Tin Lights Owned  2.10 2.03 0.31 2.17 0.28  0.11

Total Expenditure (US$) 71.74 69.94  0.64 

Notes: * Statistically significant difference at the 10% level ** 5% level *** 1% level  

                                                            6 We regressed the various household characteristics on treatment status (control, offer to buy, free light). The p‐values show whether the treatment groups are statistically different from the control group. The F‐test shows whether the treatment statuses have joint explanatory power for the household characteristics. 

Page 17 of 54  

2.4 Intervention

While there are a number of different types of solar products on the market, we analyze the impact of 

low‐cost solar lights — small portable lighting units, which are the focus of SunnyMoney’s business. 

These products provide 30‐100 lumens of light for 4‐36 hours on each charge, depending on the model 

and  the brightness  setting used. For  comparison, a  simple  tin  lamp  (see Figure 3.2  in Section 3.1) 

provides around 7.8 lumens and a kerosene lantern (see Figure 3.3) provides 45 lumens (Mills, 2003). As opposed to grid connection and larger off‐grid solutions, these portable solar lights cannot be used 

to  power  larger  appliances  such  as  TVs,  fans,  or  refrigerators.  These  products  are,  however,  less 

expensive than larger home systems and typically require no installation and little maintenance. They 

currently cost between US $7.5–US $35, depending on the size and functionality of the unit. The price 

for a solar light is low compared to the cost of around US $400 for a household grid connection (wiring 

the house or usage costs are not  included  in  that  figure)  in Busia, Kenya  (Lee, Miguel & Wolfram, 

2016b).7 That  said, a  solar  light  is  still  a non‐negligible  cost burden,  given  that 58.9% of  the  rural 

population in Kenya lives on less than US PPP $3.10 per capita per day (World Bank, 2005). 

Two different types of lights were used in this study: the Sun King Eco and the Sun King Mobile, both 

manufactured by Greenlight Planet and quality assured by  Lighting Global, a  joint  initiative of  the 

World Bank and the International Finance Cooperation.  

In 2015, SunnyMoney was selling the Sun King Eco light (Figure 2.2) for US $9 in Kenya. According to 

the producer, that model provides light for 4‐30 hours of lighting, depending on which brightness mode 

is used.8 During the same time period, SunnyMoney was selling the Sun King Mobile light (Figure 2.3) 

for US $24. According to the manufacturer, the model can charge a mobile phone and provide light for 

3‐18 hours, depending on which brightness mode is used.9 Half of the 400 households who received a 

solar light free got a Sun King Eco light (200 households) and half received a Sun King Mobile light (200 

households). The discount vouchers (distributed to 600 households) were for the Sun King Eco model.  

   

                                                            7 While there has been an announcement by the GoK to reduce connection costs, this has not been implemented yet in the study area: http://www.businessdailyafrica.com/Kenya‐Power‐connections‐lowered‐to‐Sh15‐000/539546‐2731146‐mddaukz/index.html  8 A specification sheet provided by Lighting Global can be found here: https://www.lightingglobal.org/products/glp‐sunkingeco/ and by the producer here: http://arti‐africa.org/wp‐content/uploads/2013/06/Product‐Overview‐Sun‐King‐Eco.pdf  9A specification sheet provided by Lighting Global can be found here: https://www.lightingglobal.org/products/glp‐sunkingmobile/ and by the producer here: http://arti‐africa.org/wp‐content/uploads/2014/06/SK‐Pro‐2_Product‐Sheet_2yr_040913_Lowres.pdf  

Page 18 of 54  

Figure 2.2:  Sun King Eco Light                                                             Figure 2.3: Sun King Mobile Light 

 

 

2.5 Data

2.5.1 QualitativeDataandPiloting

Prior to commencing the  full study, we conducted a number of  in‐depth  interviews with solar  light 

users and non‐users, as well as with teachers. We also held five focus group discussions with users and 

non‐users of solar lights before conducting the surveys. The information from the in‐depth interviews 

and  focus  groups was used  to design  the  survey  instruments.  In  addition, we  tested  the  random 

distribution of free lights, as well as the survey questions and the acceptability of the sensor technology 

(see  Section  2.5.3). Moreover, we  interviewed  SunnyMoney’s  senior management  team  and  field 

workers and shadowed them during their marketing and sales work. This allowed us to  learn about 

SunnyMoney’s operations and get a sense of how the solar lights are marketed and used.  

2.5.2 SurveyData

We surveyed the randomly selected pupils (see Section 2.2) as well as their primary guardian, which in 

most  cases  (78.8%)  was  the  mother  or  the  father  of  the  child.  Data  was  collected  at  baseline 

(July/August 2015) before the intervention and around seven months after baseline (February/March 

2016).  Due  to  budget  constraints,  during  baseline  a  shorter  survey  was  administered  for  those 

households which received a voucher. 

We created survey  instruments based on previous studies conducted by  leading researchers  in  the 

field, including Grimm et al. (2016), Cattaneo et al. (2009), Furukawa (2013, 2014), and Lee, Miguel & 

Wolfram  (2016a),  as  well  as  standardized  scales  (World  Value  Survey,  European  Community 

Respiratory Health Survey II, the Standard Dry Eyes Disease Questionnaire and CES‐D) and SolarAid’s 

internal research tools.  

The advantage of building  the questionnaire on other  researchers’ work  is  that we can  learn  from 

previous experience and compare our results to previous work. Surveys and rapid observations were 

collected electronically on tablets or smart phones using Survey CTO software, and data was analyzed 

using STATA.  

Page 19 of 54  

Besides surveying pupils and guardians, we also conducted a short survey with the head teacher from 

each school to learn about their role in the SunnyMoney program delivered through the research and 

to obtain information about the infrastructure and the performance of the school.  

2.5.3 SensorData

In addition to survey data, which, in most cases, is self‐reported by respondents, we used sensors to 

measure light use. 

A sub‐sample (300) of the solar  lamps that were distributed free or purchased were equipped with 

Bluetooth enabled sensors developed by Bonsai Systems.10 At endline, 187 sensors (62.2%) were still 

operating, while the remaining 37.8% were experiencing some form of technical malfunction; from 

these, no data could be retrieved.11 Sensors tracked when the solar lights were used and for how long. 

The solar light sensor determines when the lamp is in use by measuring the change in voltage across 

the device’s  light emitting diode (LED). The solar  light sensor was  installed by soldering three wires 

from the sensor to the board inside the light (voltage, ground, side of the LED). The sensor draws a 

very small amount of power from the lamp battery12. Hence, the solar sensor remains functional as 

long as the lamp battery is charged (and assuming it does not break for another reason). The sensor 

records an “ON” event when one presses a button to turn the  light on and records an “OFF” event 

when one turns the light off.  

The solar sensor data  includes the simple unique  identifier, the device  identifier, the date and time 

(day, month, year, hour, minute) a lamp turned on or off, a dummy variable to indicate whether the 

event was an “ON” or “OFF” event, the voltage across the light, and the voltage of the battery inside 

the light. 

Using smartphones enabled with Bluetooth and an iPhone application called “Lamplogger” (which was 

specially  developed  for  this  project),  field  officers  visited  households  at  endline  and  wirelessly 

uploaded data directly from the sensor to the phone. Field staff explained how the sensor worked and 

what data it recorded to study participants and asked them for permission before downloading any 

data. No data was downloaded if the participant had any objections. The app sent data from the iPhone 

to  a  secure  server  once  field  officers  returned  to  the  home  office  and were  in  range  of  a Wi‐Fi 

connection. The data can be reviewed and downloaded from the server in comma‐separated values 

(CSV) format.  

2.6 EstimationApproach

2.6.1 SummaryStatisticsandSampleDescription

For the summary statistics and sample description we used the baseline data from July/August 2015. 

Because of budget constraints, some questions were only asked to those in the free solar light group 

and the control group (N=800) and not to those who received a voucher (N=601). Whenever this is the 

case, it is indicated either in the text or with a footnote.  

                                                            10 http://www.bonsai‐systems.com 11 This number is as of 15.11.2016. We are still in the process of retrieving data and hope to increase the number of sensors from which we can retrieve data. 12 The use of power was so small that it would not change the charging time needed and use of the solar light.  

Page 20 of 54  

2.6.2 AnalysisofTake‐up

When looking at take‐up rates, the sample is restricted to the 601 households who received a voucher 

to purchase a solar light. We use the following equation to estimate price elasticity of demand:  

′  

 

 designates whether a household j in school i purchased a solar light. 

α  indicates the take‐up price at the references price of 900 KES (market price).  

α  shows the effect of a discounted price (400 KES or 700 KES) in relation to the market price of 900 

KES on the take‐up of solar lanterns 

 is a set of dummies for the price level at which a household received a voucher to purchase a 

solar light (400 KES or 700 KES). The reference price is 900 KES.  

X ′refers to other independent variables associated with the individual, such as levels of education, 

wealth, etc. 

λ  refers to school fixed effects. 

ϵ  is an error term.  

 

2.6.3 AnalysisofImpact

 

For the analysis of impact we apply two measures: the intention to treat (ITT) effect and the treatment 

effect on the treated (ToT).  

Imperfect Compliance  

 

Of those who received a free solar light in the treatment, 87.9% still had a functional light at endline. 

Technical problems were more common for solar lights with sensors than the other lights. Only 85% 

of the households who received a free solar light with a sensor still had a functioning light at endline, 

versus 90% of the households who got a conventional solar light. In the control group, around 17.4% 

had a functional light even though they did not receive a light through the study (see Figure 2.4). In 

the group that received a voucher to buy a  light, not everyone (45.6%) decided to purchase a solar 

light and not everyone who bought a light still had a functioning light at endline.  

Under “perfect compliance”, 100% of households in the free solar light group would have functioning 

lights and 0% of households in the control group would have functioning solar lights (or any lights at 

all). This is not the case in our study and we therefore have “imperfect compliance”. It is important to 

note, however,  that most  studies  and,  in  fact, most development policies  and  interventions have 

imperfect compliance. In this study, we report both the intention to treat (ITT) effect, which ignores 

noncompliance,  and  the  treatment  effect  on  the  treated  (ToT),  which  accounts  for  imperfect 

compliance (see next sections for a detailed description). 

   

Page 21 of 54  

Figure 2.4: Solar Light Ownership at Endline 

 Notes: Statistically significant difference at the 10% level ** 5% level *** 1% level.   

 

Intention to Treat (ITT)  

The  intention  to  treat  (ITT) effect describes  the average effect of  the  treatment  (in our  case,  two 

treatments: obtaining a solar light free or receiving an offer to buy one) on the outcome of interest, 

independent of whether households actually had a  functioning solar  light at  the end of  the study. 

Hence,  it  is a simple comparison of means between the treatment group (everyone who received a 

free solar light or an offer to buy one) and the control group (everyone who neither received a free 

solar light nor an offer to buy one). As mentioned above, some households in the control group decided 

to purchase a solar light independent of this study and these people are still part of the control group. 

The effect of having received a free solar  light (or the offer to buy one) can be estimated using the 

following equation:  

′  

 

  designates the outcome of interest of household j in school i at endline.  

 is a dummy variable indicating the treatment assignment of the respective household. In the 

first estimation,   will be equal to 1 if the household was assigned to receive a free solar light and 

it will be equal to 0 if the household was assigned to the control group. In a second estimation,    

will be equal to 1 if the household had the option to purchase a solar light at a subsidized price and 

will be equal to 0 if the household was assigned to the control group.  

captures the effect of having received a solar light for free (estimation 1) or having received an offer 

to buy one (estimation 2) on the outcomes of interest. 

 refers to a set of control variables at the individual level.  

   refers to school fixed effects.  

 is an error term.  

 

87,9%

50,5%

17,4%

10,3%

4,2%

1,6%

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Free Solar Lantern Offer to Buy Comparison Group

Non‐functional Solar Lantern

Functional Solar Lantern

***

Page 22 of 54  

Whenever possible, regressions were run with and without controlling for baseline (outcome) levels 

as well as other control variables to check for the robustness of the estimated effects. It was not always 

possible to control for baseline levels, as we do not have baseline data for all measures. In discussing 

the results, we always indicate whether control variables were included. In general, the direction and 

significance levels of the results did not change when baseline controls were included. 

Treatment effect on the treated (ToT) 

 

The treatment effect on the treated (ToT) is the effect of having a functioning solar light (either having 

received a free one or having bought one from the “offer to buy” intervention). In this estimation, we 

correct for the fact that fewer than 100% of households in the treatment group had a functioning light 

and that some households  in the control group purchased a solar  light  independently of the study. 

Thus, broadly speaking, the ITT measures the effect of a “free lamp” policy (or a policy, which creates 

a market for solar lights, possibly at reduced prices), while the ToT measures the effect of owning a 

functioning solar light compared to not having a solar light at all.  

We use an instrumental variable (IV) approach to calculate the ToT. This approach is relevant for two 

reasons.  First, not  all households who  received  the  voucher  to buy  a  lamp decided  to  redeem  it. 

Second, even amongst those that received a free light (and the control group), we did not have “perfect 

compliance”; some households in the control group purchased a solar light independent of the study 

and some households in the treatment group no longer had access to a functioning solar light at the 

end of the study (see figure 2.4). 

 

The validity of  the  instrumental variable approach depends mainly on  two assumptions.13 The  first 

assumption is that the instrument (being assigned to a free solar light or a voucher) indeed increases 

the chances that the household owns a solar light at endline.14 The second assumption is that being 

assigned to receive a free solar light (or receiving an offer to buy one) only affects the outcome of 

interest (for example, spending on energy) through solar light ownership, and not through any other 

channel.15 The first assumption can be tested with our data and we find that it is fulfilled in our case. 

The second assumption cannot be formally tested, but is highly plausible, given that households were 

randomly assigned to one group or the other.   

 

An  important  issue to keep  in mind  is that ToT estimates the  impact of a solar  light for people who 

“comply” with the research design. For the voucher group, this is the effect of owning a solar light if a 

household decides to purchase one. It is possible that the impact of a solar light is different for buyers 

and non‐buyers. Hence, the ToT is only used to analyze the impact of having a solar light on those in 

compliance with the intervention (those who purchase a solar light if offered one).  

 

For the case of  imperfect compliance (as  in our study), the ITT effect  is smaller than the ToT effect. 

Intuitively, the effect of the intervention is watered down by those in the control group who purchased 

a light independently and those in the treatment group who no longer have a functioning light (and 

potentially on  those  receiving  an offer  to buy who did not buy).  In  this  study, we had  an overall 

compliance of around 70% for the free distribution (that is deducting the 17.4% who had a functioning 

                                                            13 The formal econometric assumptions are not discussed here. See Imbens & Angrist (1994) for more details.  14 This is known as the “first stage” association.  15 This is known as exclusion restriction.  

Page 23 of 54  

light  in  the  control  group  from  the  87.9% who  had  one  in  the  treatment  group)  and  an  overall 

compliance of around 33% for the offer to buy group. General differences between the treatment and 

control group as estimated with ITT effects can be multiplied by around 1.4 for free solar light and by 

around 3.0 for the offer‐to‐buy group to get the treatment effect on the treated (that is, if no control 

variables are used). See Imbens & Angrist (1994) for more details. The analyses that follow refer to ITT, 

unless otherwise  specified.  ITT effects  are  the  standard  in public policy  literature  as  they provide 

estimates of the impact of the policy being studied (which also includes  non‐compliers). Moreover, 

ITT effects require less assumptions ToT effects to infer from the statistical estimates about the true 

effects 

2.7 LimitationsoftheResearchDesign

The design of  the  study allows us  to make unbiased estimates of  take‐up  rates and  impacts;  it  is, 

however, also subject to a number of limitations.  

First,  the  study  was  conducted  in  two  sub‐counties  in Western  Kenya  and  results  are  thus  not 

necessarily generalizable  to other contexts without making  further assumptions. Results on energy 

expenditure savings, for example, depend on the local cost of kerosene as well as the income level of 

the sampled households.  

Second, while our sample size of 1,401 households is larger than most previous studies, it is still not 

large enough to detect very small effects. Some of the insignificant results could be driven by a lack of 

statistical power rather than the absence of an effect. In addition, the study only lasted about seven 

months, so we do not know how usage patterns and impacts might evolve a year or two after having 

purchased or received a solar light.  

Third, as is common in most experimental studies, some of the respondents we interviewed at baseline 

did not participate in endline, either because they moved far away, chose not to participate, passed 

away, or were not available for other reasons. Specifically, 9% of the children and 6% of the adults 

originally surveyed at baseline could not be interviewed at endline. Attrition was similar in the control 

and the treatment groups. There was a 50% split between the free solar light group and the control 

group at baseline. At endline, 50.9% of households were  in  the  treatment group and 49.1%  in  the 

control group (the difference is not statistically significant). Still, we cannot rule out that those who 

dropped out of the study are systematically different from those who remained, and hence cannot 

exclude the possibility that attrition biases our results. The bias could go in either direction (under‐ or 

overestimation of effects).16  

Fourth,  spillover  effects may  occur  if  household members  from  the  control  group  start  to  visit 

household members who received or purchased a light in order to enjoy their better lighting. Spillover 

effects could lead to an underestimation of the overall effects.17  

Fifth, as with all survey‐based studies, we face some risk of social desirability bias. Social desirability 

bias can lead to biased results if respondents who received access to a solar light feel for some reason 

more  obliged  to  answer  in  a  certain way  (to  say,  for  example,  that  they  spend  a  lot  of  time  on 

homework) than those who did not receive access to a solar light.  To minimize this bias, respondents 

                                                            16 More investigation of attrition will be done in further analysis.  17 More investigation of spillover effects will be done in further analysis 

Page 24 of 54  

were reminded that the research was independent and that their answers were treated confidentially. 

In addition, sensor data allows us to check the accuracy of survey responses about solar light usage. 

Sixth, the current version of the working paper does not include adjustments for multiple hypothesis 

testing. This means that some of the results, that are only significant at the 10 percent level, may not 

be statistically significant once we control of multiple hypothesis testing.   

3 Results

This chapter summarises findings about solar light adoption and usage, as well as the effect of solar 

light access on economic welfare. The chapter starts with a description of the sampled households, 

continues with a summary of adoption and usage patterns and concludes with  the  impact of solar 

lighting  on  household  energy  expenditure  and  time  use  (education  and  health  outcomes will  be 

analyzed in future work as they were not the core focus of this particular study). 

3.1 DescriptionofHouseholds

Household Characteristics  

The average household in our sample has 6.7 members, with an average of 4.3 children under the age 

of 18. Most houses have earth floors (85.5%) and  iron sheet roofs (77%) on their main building.18 A 

typical household has four separate rooms. The average household head attended school for 6.3 years. 

Women head 30.3% of households. At baseline, the average household spent around US $70 in cash 

per month (US $10 per capita per month, or US $0.30 per capita per day).19 However, expenditure is 

very seasonal and the average household expenditure was much higher (US $85) during endline, which 

was  conducted  shortly  after  school  fees were due.  In  addition, endline data  collection  took place 

mostly after harvest, while most of the baseline data was collected shortly before harvest. The average 

household owns 1.9 acres of land, 0.8 cows, and 6.1 chickens.20 In terms of asset ownership, 53.7% of 

households own at least one radio, 53.8% own a bicycle, and 7.8% own a motorbike. The most common 

drinking water sources are protected springs (36.9%), bore holes (25.4%), and rivers, streams, or ponds 

(18.9%).  

Almost  all households  (98.8%)  conduct  agricultural  activities  and  around  a  third own  at  least one 

business, most of  them selling  fish or other  food  items. Most of  these businesses  (85.2%) have no 

employees. Only 20.1% of households have at least one member who was employed in the previous 

year (formally or  informally).   As shown  in Figure 3.1, the self‐reported main  income source for the 

largest  share  of  households  is  agriculture  (68.2%),  followed  by  casual  (informal)  labour  contracts 

(14.7%), own business  income  (11.1%),  formal employment  (3.7%), and  remittances and  transfers 

(1.7%).   

 

 

                                                            18 People in the study area tend to live in compounds containing one or more small houses.  19 All US $ amounts are in current exchange rate (US $1 = 100 KES on 01‐07‐2016) and not PPP adjusted. Also, note that the cash expenditure does not include own agricultural production and consumption. 20 This information was collected for the free‐solar‐light group and the control group only. 

Page 25 of 54  

 

 

Figure 3.1: Household’s Main Income Source (baseline; N= 1,397)  

  

Around 91% of households own at  least one mobile phone, and 41% have more  than one mobile 

phone. Meanwhile,  72.6%  of  respondents  are  registered with MPESA  or  another mobile money 

provider and 47.3% participate in one or more savings groups. Of those participating in savings groups, 

the average contribution is US $11.20 in the month previous to the survey (median US $6).21  

 

Using the Progress Out of Poverty  Index22 developed for Kenya  in 2016 to estimate the  likelihood a 

household lives in poverty, we calculate an average score of 42.6 for the households included in our 

study. According to Schreiner (2016a), this score is associated with a 42.2% likelihood of living below 

the national poverty  line, a 30.6%  likelihood of  living with  less than US $1.90 per day and a 66.3% 

likelihood of living with less than US $3.10 (PPP adjusted). 

Household Energy and Light Use 

In our study, access to modern energy sources are limited and only 8.7% of households have access to 

some form of electricity. To break this number down: 2.8% of households are connected to the grid, 

3.3% have access to a solar home system, 2.3% have access to a car battery (which provided energy 

for the house), and 0.3% have access to a generator. The vast majority of the sampled households use 

an open fire (98.4%) or charcoal stoves (1.0%) for cooking. Kerosene, LPG, and other stoves are much 

less common (0.6% combined).  

When asked at baseline to list all the lighting sources used within the household during the past month 

(multiple answers possible), most households indicated that they used tin lamps (99.1% ‐ see Figure 

3.2) and cell phone  lights  (47.6%),  followed by kerosene  lanterns  (17.6%  ‐ see Figure 3.3), battery‐

powered  torches  (17.3%),  solar  lights  (5.9%),  candles  (4%),  other  rechargeable  lights  (2.7%),  and 

                                                            21 This information was only collected for the free‐solar‐light group and the control group. 22 More information can be found at: http://www.progressoutofpoverty.org/country/kenya 

Agriculture68%

Casual Labour15%

Business11%

Formal Wage4%

Remittances & Transfers 

2%

Page 26 of 54  

electricity  (2.0%).23  Tin  lanterns  are  small  lights,  typically made  locally  out  of  recycled  tins.  They 

produce an open flame that provides a weak light (around 7.8 lumens according to Mills, 2003) and 

can be bought for US $0.25‐US $0.50, depending on the size and quality of the lamp. Kerosene lanterns, 

on the other hand, are larger and provide a much stronger light (around 45 lumens according to Mills, 

2003). Kerosene lanterns cost between US $3‐US $6, depending on the size and quality. They also use 

more kerosene per unit of time and, for that reason, are more expensive to operate (Mills, 2003).  

When asked what lighting source respondents predominantly relied upon (only one answer possible) 

during  the  past month,  the most  frequent  answers were:  88.4%  tin  lamps,  5.3%  larger  kerosene 

lanterns, 3.7% solar lights and only 1.1% electricity powered lighting. On average, a household owns 

2.2 tin lamps.  

Importantly, though, 76.4% of the sample uses more than one type of lighting source in their home. If 

households only use one  light source  (23.6%), they reported only using tin  lamps. Every household 

which uses grid electricity also uses at least one other source of lighting — possibly a reaction to the 

frequent blackouts in the study region, and/or possibly the desire for portability of lighting outside the 

home. The most frequent combinations of household light sources was tin lamps plus cell phone light 

(14.9%), tin lamps, cell phone light, and firewood (11.2%), and tin lamps and firewood (10.2%). 

Figure 3.2: Tin Lantern24             Figure 3.3: Kerosene Lantern 

 

 

 

 

 

 

 

 

 

Household Expenditure on Energy and Lighting25 

An average household spends around US $3.66 (KES 366) per month on energy,26 corresponding to 

5.1% of the households’ total cash expenditure — US $70.75 per household per month (current US $). 

Note  that  expenditures  captured  here  only  include  cash  spending  and  do  not  include  items  that 

households consume from their own farms, which are  likely to constitute a  large fraction of overall 

consumption for many rural households. If we were to include own consumption as well, the fraction 

                                                            23 This information was only collected for the free‐solar‐light group and the control group. 24 Source: https://islandenergysystems.wordpress.com 25 Since expenditure measures are very sensitive to outliers, for this section the highest 0.5% of expenditures of each expenditure type was replaced with the value at 95.5%.  26 Not PPP adjusted. 

Page 27 of 54  

spent on energy would  likely be considerably  lower. The seasonality of expenditure, as mentioned 

earlier, also influences these estimates.  

For lighting alone, households spend US $2.19 (KES 219) per month, which corresponds to 59.7% of 

the total energy expenditure and 3.1% of total cash expenditure. Kerosene accounts for 94.5% of the 

US $2.19 per month used on lighting (Figure 3.4). Energy expenditures unrelated to light use include 

expenditure on mobile phone charging (US $0.42), charcoal (US $0.24), batteries not used for lighting 

(US $0.30), firewood (US $0.21), and electricity bills (US $0.18).  

 

The total spending on lighting measured in this survey is similar to national representative surveys of 

Kenya. For example, according to the 2005/2006 Kenya Integrated Household Budget Survey (KIHBS), 

a median household spends 2.0% of its annual expenditure (including own consumption) on kerosene 

and the poorest quartile of the population spends 2.9% of its annual expenditure on kerosene (Lighting 

Global, 2012).27   

In the study conducted by Kudo, Shonchoy & Takahashi (2015) in Bangladesh, expenditure on kerosene 

was around 2% of total expenditure.28 In a study in Rwanda, Grimm et al. (2016) found that households 

in rural Rwanda spend around 5% of their total cash expenditure on lighting.29 This finding is a slightly 

higher fraction compared to what we found, on average, and might be partially explained by the fact 

that kerosene prices in Rwanda were at around US $2 per litre at the time — more than twice the cost 

of kerosene at the time of data collection in our study.30   

To provide a reference for comparison, European households spend on average around 4% of their 

total  expenditure  on  electricity,  gas,  and  other  fuels  used  by  the  household, 31  however,  those 

households  use  around  five  times more  energy  even when  compared with  the  small  fraction  of 

households in sub‐Saharan Africa who are connected to the grid (IEA, 2014b). Hence, households in 

our sample pay a slightly higher fraction of their cash expenditure on energy (5.1%) than households 

in Europe, but consume much less energy of poorer quality. 

   

                                                            27 We don’t know the current subsidy level for kerosene in Kenya which is an important part of the story on spending. 28 Authors calculations based on information provided by Kudo, Shonchoy & Takahashi, 2015.  29 This is the households’ spending on kerosene, candles, and dry‐cell batteries.  30 Information according to email exchange with authors.  31 Based on Eurostat numbers from 2011 found here: http://ec.europa.eu/eurostat/statistics‐explained/index.php/Archive:Household_consumption_expenditure_‐_national_accounts  

Page 28 of 54  

Figure 3.4: Average Monthly Cash Expenditure by Households  (free lighting and control group combined at baseline; N= 795)  

 

Figure 3.5: Average Monthly Cash Expenditure by Poor Households (free lighting and control group combined at baseline, poorest quintile only; N=157) 

 

 

 

   

Food; 45,5%

Education; 18,5%

Health ; 6,5%Funerals/Weddings/Church; 6,1%

Farm inputs; 5,3%

Kerosene ; 2,9%

Lighting other than Kerosene; 0,2%

Energy Other; 2,1%

Other; 3,3%

Travel ; 3,2%

Cloths/Hair; 2,5%Communication; 

2,1%

House repairs; 1,8%

Food; 57,6%

Education; 10,4%

Health ; 5,6%

Funerals/Weddings/Church; 5,1%

Farm inputs; 1,6%

Kerosene ; 7,5%

Lighting other than Kerosene; 0,1%

Energy Other; 2,3%Other; 5,5%

Travel ; 1,2% Cloths/Hair; 0,9% Communication; 1,9%

House repairs; 0,2%

Page 29 of 54  

Household Expenditure on Energy and Lighting among the Poorest Quintile  

An average household in the poorest quintile32 spends around US $2.05 (KES 205) per month on energy 

(in comparison to US $3.66 (KES 366) for the average household) corresponding to 9.8% of  its total 

cash expenditure (US $20.59). This amount is almost double the share of cash expenditure paid by the 

average household in our sample, which spends 5.1% of total cash expenditure on energy. For lighting 

alone,  the poorest 20% of households spend US $1.60  (in comparison  to US $2.16  for  the average 

household),  which  corresponds  to  77%  of  the  total  energy  expenditure  and  7.5%  of  total  cash 

expenditure (in comparison with 3.1% for the average household ‐ see Figure 3.5). 

Even if the absolute spending on energy and lighting is somewhat lower for poorer households, it is a 

much  larger fraction of their overall spending, which amounts to only US $20.70 per household per 

month  (compared  to US  $70  per  household  per month  of  the  average  household).  This  disparity 

suggests that poor households view energy (as well as food expenditures) as a necessity: households 

with lower income reduce spending on other goods more than their spending on energy (and food). In 

other words, demand for energy is less income elastic than it is for other goods.   

3.2 Take‐UpofSolarLights

3.2.1 AvailabilityofSolarLights

Lack of information about, exposure to, and availability of high‐quality and low‐cost solar products has 

been mentioned in previous studies as a potential constraint to the adoption of solar lanterns (Kudo, 

Shonchoy & Takahashi, 2015; SolarAid, 2014c). We collected  information about the availability and 

cost of solar lights to test this hypothesis.   

The majority of adults in our survey (88.9%) mentioned that they had seen a solar light before; most 

commonly they reported encountering a solar light for the first time at a relative’s or neighbor’s house 

(see Figure 3.6).33  

   

                                                            32 This consists of the 20% of households in the free solar light group and the control group who have the lowest total expenditures at baseline.  33 This information was only collected for the free‐solar‐light group and the control group. 

Page 30 of 54  

Figure 3.6: Location of First Encounter with Solar Light 

(pre‐intervention, free solar light group and control group; N= 796) 

 

Slightly more than half of all adults in our sample have seen a solar light for sale before (see Figure 

3.7). We asked those 52.6% where they saw the product for sale before (multiple responses possible). 

Most (33.5%) saw them being sold at the closest market center (a place where people typically go once 

a week to buy items that cannot be found in their own village), about 13.3% saw them for sale in a 

nearby town (typically referring to Busia, Bungoma, or Kakamega), and 5.3% saw them sold  in their 

own village. Fewer than 1% saw them being sold in a large city (Nairobi, Kisumu, or Mombasa), because 

rural households rarely travel to larger cities.   

Figure 3.7: Location of First Encounter with Solar Light Sales 

(pre‐intervention, free solar light group and control group; N=796) 

 

 

61,9%

11,6% 11,1%7,3%

3,0% 2,6% 1,8% 0,8%0%

10%

20%

30%

40%

50%

60%

70%Neighbour's/Relative's

House

Market Cen

tre

Never saw

 before

NGO Cam

paign

Own house

Town

Other

School

47,4%

5,3%

33,5%

13,2%

0,5%0%

5%

10%

15%

20%

25%

30%

35%

40%

45%

50%

Never Saw a SolarLight being sold

Own Village Closest MarketCentre

Town City (Kisumu,Nairobi, Mombasa)

Page 31 of 54  

 

The prices of solar  lights sold by vendors other than SunnyMoney tended to be above the price of 

SunnyMoney’s cheapest light (US $9). Of the respondents who already owned a solar light at baseline 

(5.2% of the sample), 90% paid US $10 (1,000 KES) or more for it. The average price paid was around 

US $33. Of those households who did not own a solar light at baseline, 93.5% said that the reason they 

had not purchased one was that they could not afford one. Only 1.3% said the reason was that the 

product was not available for purchase.   

These results indicate that most respondents had seen solar lights before (88.9%), many knew people 

who owned a solar light already (85.6%), and 52.6% had seen one for sale. One could conclude from 

this information that a lack of exposure might not be the most important constraint to adoption. We 

do  not,  however,  have  information  about  the  quality  of  the  products  that  people  encountered. 

According to Bloomberg (2016), there are a large number of very low‐quality products on the market, 

and it is not always easy for consumers to assess the quality of a product. Hence, the exposure to low‐

quality products could actually lower the chances of adopting any solar light (of low or high quality). In 

addition, easy access to solar lights might still be an issue: while most of the respondents were exposed 

to  solar  lights  before  (i.e.  they  saw  them  before),  only  38.8%  of  respondents  said  they  could  be 

purchased from a nearby store (own village and closest market center).  

3.2.2 ImpactofPricesonTake‐Up

The experimental design of the study allows us to determine take‐up rates at different price levels and 

hence, to measure the price sensitivity of households in our sample. Households responded strongly 

to price differences. Specifically, 28.9% of the households who received the offer to buy a solar light 

at the market price of 900 KES  (US $9) chose to purchase one, 37.4% of the households who were 

offered a reduced price of 700 (US $7) made a purchase, and 68.8% of those who were offered a solar 

light for 400 KES (US $4) bought one (see Figure 3.8).34  

Figure 3.8: Take‐up Ratio at Different Prices (N=601) 

 Notes: Statistically significant difference from the market price at the *10% level, ** 5% level, *** 1% level. No control variables used.  

                                                            34 Note that because of the limited time offer of the vouchers, take‐up rates might be different than take‐up rates if prices would permanently change, but that should not affect the price elasticity of demand estimated. 

100% 

69%

37%29%

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Free 400 KES 700 KES 900 KES (Market Price)

Page 32 of 54  

3.2.3 SchoolDifferencesinTake‐Up

All of the 20 sampled schools are rural, public, and non‐boarding schools that educate both boys and 

girls (see Section 2.2 for more detail). Schools had an average total enrolment of 578 students, and 

193 students were enrolled in standards six, seven, and eight at endline (corresponding to standards 

five, six, and seven at the beginning of the study). The smallest school had 284 students and the largest 

one had 862 students. Out of the 20 schools, 13 had access to electricity. For the 17 schools which had 

students taking the 2015 Kenya Certificate of Primary Education (KCPE) national exam the pass rate 

was 54.2%.35 This rate is very close to the reported national average of 50%.36 

Take‐up of  solar  lights offered at 400, 700 or 900 KES varied a  lot between  the 19  schools where 

vouchers to purchase a solar  light were offered.37 In the school with the  lowest adoption rate, only 

14.7% of households who were offered a voucher to buy a solar light decided to purchase one, whereas 

in the school with the highest level of adoption, 75.8% of households who received a voucher bought 

a light (see Figure 3.9).  

Figure 3.9: Take‐Up Ratio by School and Subcounty (N=601) 

 Notes: No control variables used.   

There are at  least two possible explanations for the high variation  in take‐up rates across different 

schools.  

                                                            35 KCPE test is only taken in the end of eight grade. The remaining three schools opened recently and did not have a class eight in 2015. 36 Source: http://www.capitalfm.co.ke/news/2014/12/more‐than‐half‐kcpe‐candidates‐score‐above‐250/  37 In one of the 20 schools, no solar lights were offered for sale, as there were too few students in classes five, six, and seven.  

71%

57%

50%45% 44%

38% 37%31%

20%

76%

60%54%

52% 51%49%

40%37%

30%

15%

0%

10%

20%

30%

40%

50%

60%

70%

80%

Schools in Nambale Subcounty  Schools in Teso‐South Subcounty 

Page 33 of 54  

One possible explanation is that SunnyMoney sells solar lights through the head teacher of each school 

and head teachers do not execute their solar light distribution responsibilities uniformly.38 Following 

SunnyMoney’s usual business practice, during our experiment, households who wanted to purchase a 

solar light had to place an order with the head teacher and make a 100% cash payment to the head 

teacher in advance39. On a designated distribution day, the head teachers travelled to a SunnyMoney 

distribution point to purchase the solar lights on behalf of the households. Alternatively, households 

could also come to the distribution point independently, but would then have to bear the travel cost 

themselves. The  challenge with  this distribution model  (both  for  the  study and  for SunnyMoney’s 

business model,  in general)  is  that  solar  light  take‐up depends on a  trusting  relationship between 

households and  the head  teacher at  the pupil’s school.  It also places a  lot of  the  responsibility  for 

distribution  on  the  head  teacher, who  is  a  public  servant  and  not  an  employee  of  SunnyMoney. 

According to the  interviews we conducted with SunnyMoney staff, head teachers, and households, 

some head teachers were more active in promoting the solar lights to pupils and their households than 

others, and some households mentioned that they did not want to pay the head teacher in advance 

because they did not trust him/her.  

Another  possible  explanation  is  that  variation  in  take‐up  across  schools  is  caused  by  systematic 

differences in household characteristics of enrolled children across schools. Hence, differences in take‐

up rates between schools might be explained by differences in households being more (or less) likely 

to purchase a solar light. For example, households of one school might be on average richer, better 

educated, have had more exposure to solar lights, or different in some other way that might lead to 

higher take‐up rates in comparison to others.  

We will analyze the relevance of school effects versus household effects to explain variations in take‐

up in a future analysis. 

3.3 UseofSolarLights

Establishing the extent to which solar lights are used and how they are used is an important first step 

to understanding the impact of solar lights on household welfare. In the following section, we analyze 

whether households who have solar lights use them, who uses them, and for what purposes. 

In addition to self‐reported data, we have data from 187 sensors, which measure the use of solar lights 

(see Section 2.5.3 for more information). In the analysis of the sensor data, we did not differentiate 

between sensors in households who received a free light from sensors in households that purchased 

a light. We will use the sensor data to study how frequently the solar lights are being used, for how 

long  they  are  typically  being  used,  and  at what  time  of  the  day. Unless  otherwise  specified,  the 

following section relies on sensor data.  

 

 

 

                                                            38 Head teachers are in charge of managing the school. SunnyMoney’s distribution model works together with head teachers to sell solar lights to parents of pupils and other community members who are interested in the product.  39 Anecdotal evidence suggest that head teachers in some cases advanced some of the buyers part of the up‐front cost.  

Page 34 of 54  

Solar Lights Users and Usage  

When we asked respondents in the free solar light group which household members had used the solar 

light the previous evening (multiple responses possible), 79.5% said children, 54.0% said adults, and 

18.4% of households reported that no one had used it (this includes the 12.1% of households which 

no longer had a functioning light). In 51.8% of the households, both adults and children used the solar 

lights, whereas in 27.6% only children and in 2.1% only adults used it. Answers from respondents who 

purchased a solar light were not statistically different from households who had received a solar light 

for free.  

We also asked both  children and adults  in  the  survey  to  indicate  the main purpose  for which  the 

different household members had used the solar light the previous evening (one answer only). If they 

had used the solar light for more than one activity, they were asked to choose the one that had taken 

the most  time.  Children  reported  having  used  the  solar  light  primarily  for  homework.  Only  4% 

mentioned  other  activities,  such  as  talking  (2%),  cooking  (1%),  and  reading  (1%). Adults  reported 

having used the  light for a much more diverse set of main activities. The most frequently reported 

activities were eating (28%), talking (24%), and cooking (19%), as shown in Figure 3.10 below.  

Figure 3.10: Primary Activity Aided by Solar Light, Previous Evening 

(post‐intervention, free solar light; N = 296 for children, N = 205 for adults)40  

 

 Note: Responses refer to activities on the evening prior to the day of the survey. 

 

   

                                                            40 Note the question asked about the respondent, his/her spouse, and other adults in the household. Here, we summarized activities done by one or more adults in a household.  

95,6%

4,4%

28,6%24,8%

19,7%

6,7% 6,3% 5,5% 4,6% 1,7% 0,8% 0,8% 0,4%0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

Homew

ork (Pupils)

Other (Pupils)

Eat (Adults)

Talk  (Adults)

Cook  (Adults)

Rest  (Adults)

Listen

 to Radio

(Adults)

Read  (Adults)

Household Chores

(Adults)

Help with Homew

ork

(Adults)

Work  (Adults)

Pray (Adults)

Travel  (Adults)

Page 35 of 54  

Frequency of Use 

We  first  look  at  the  amount  of  time  that  respondents  reported  using  solar  lights  in  the  survey. 

Respondents who received a free light or purchased one reported that, on average, they used the solar 

light 5.8 days out of the last week; however, this group includes people who did not have a functioning 

solar light at endline. When the sample is restricted to those who received a free light (or purchased 

one) and still had a functioning light seven months later, the average was 6.7 out of 7 days.  

Households with a  functioning  light at endline  (February/March 2016) reported  that  they used  the 

solar light 3.33 hours the previous day.41 This figure is the same whether we look at households who 

received a free solar light or households who purchased a solar light using a voucher. 

According to the sensor data, most households use the solar lights nearly every day: more than a third 

of the households (38%) use the solar light every single day and an additional 45% of households use 

them 9 out of 10 days. The remaining 17% use them 6 out of 10 days or  less. Overall, average use 

according to the sensor data is 6.16 out of 7 days. Households used the solar lights more frequently 

(6.3/7 days)  in the first month after receiving the solar  light and  less towards the end of the study 

(6.0/7 days). Note that the results of the sensor data are very similar to the results of the survey data.  

Figure 3.11 shows the distribution of daily “on‐switches”, and we see that most people use the lights 

between 2 and 4 times per day and, on average, 4.27 times per day.42 This number increases to 4.78 if 

we consider only those days on which the solar light was switched on at least once.  

Figure 3.11: Daily “On‐Switches” of Solar Lights (N = 40,732: days*solar lights) 

 

   

                                                            41 This information is based on the following question, “Yesterday, for how many hours did you use a solar lantern?” We will also use the information from the time use data (see Section 3.6) in future analyses to analyze the number of hours households used the solar lights. 42 This figure only includes “on switches” if the lamp was on for more than one minute. 

10,7%

9,3%

13,3%14,0%

12,8%

10,4%

8,1%

6,0%

4,5%

3,0%2,3%

1,6%1,1%

0,7% 0,5% 0,3% 0,2% 0,1% 0,1% 0,1% 0,0%0%

2%

4%

6%

8%

10%

12%

14%

16%

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

% of all Solar Lights

Total On‐Switches per Day

Page 36 of 54  

The next figure show at what point during the day people tend to switch the solar lights on (and off). 

We see that solar lights are switched on most often in the evening hours between 18:00 and 19:00, 

followed by the morning hours between 5:00 and 6:00. In the early mornings, solar lights are typically 

switched off at around 6:00, while in the evening solar lights are typically switched off between 19:00 

and 22:00. Solar lights are also used throughout the night and during the day; however, this happens 

much less frequently (see Figure 3.12).  

Figure 3.12: “On‐Switches” and “Off‐Switches” by Time of Day (N=254,754)                    

 Note: This graph contains all events in the sensor data set. 

 

Duration of Use  

Again using the senor data, each time someone turns a solar light on, it is used for about 50 minutes, 

on average.43 Often when the light is turned on, though, it is for a rather short time: in 50% of cases 

solar lights are only used for 10 minutes or less. The reason is unclear as these short incidences did not 

show up in the survey data, but some anecdotal evidence suggests that people use the solar lights to 

quickly look for something in the dark or that people want to test if the solar light is charged.  

Moreover, households do not use the solar  light for the same amount of time throughout the day. 

Depending on the time of day it is used, the solar light tends to be turned on for a shorter or a longer 

period. Figure 3.13 illustrates the typical duration of light use for each hour of the day. If the lights are 

used during the day, it is for a short period of time: around 10 minutes on average. If they are used in 

the  early  evening  (between  19:00  and  20:00),  people  keep  the  lights  on  for  about  1.5  hours. 

Interestingly, people still use the lights for around 30 minutes when they turn them on in the middle 

of the night (after midnight and before 6:00).  

 

 

                                                            43 Events which lasted less than one minute are excluded from the analysis.  

0%

2%

4%

6%

8%

10%

12%

14%

16%

18%

20%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

% of Lights Switched

‐On/O

ff

Hour of the Day

On‐Switches Off‐Switches

Page 37 of 54  

Figure 3.13: Average Duration of Solar Light Use by Time of Day 

(N = 146,633) 

 Note: This graph contains all events > 1min and <720min in the sensor data set.  

 

Households use the solar light for an average of 212.3 minutes (3.5 hours) per day. The average rises 

to 238.1 minutes (4.0 hours) per day if only days with any solar light use at all are considered. Looking 

at the distribution in Figure 3.14, we see that on 12% of days solar lights are not used at all. 

Figure 3.14: Daily Solar Light Use (N = 40,732: days*solar lights) 

  

The sensor data can also help us understand how usage evolves over time. It could be the case, for 

example, that excitement over the novelty of the product induces people to use solar lights in the early 

stages of  the  study; at  the  same  time,  it  is plausible  that usage  increases over  time as household 

members become comfortable using the product. Looking at the number of hours per day that solar 

lights are used across different months (Figure 3.15), there is a very slight decrease in use over time. 

During  the  last month of  the study  the solar  lights were still being used  for 3.46 hours per day on 

average, only 0.2 hours  (12 minutes)  less  than  in  the  first month. Note  that  this analysis does not 

include households that were no longer using their light at the end of the study (around 10%).   

30 27 27 2834

25

1510 11 9 10 11 9 9 10 10 12

22

89 86

56

47

36 36

0

10

20

30

40

50

60

70

80

90

100

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Minutes of Solar LIght Use

Hour of the Day 

0%

2%

4%

6%

8%

10%

12%

14%

0 30 60 90 120 150 180 210 240 270 300 330 360 390 420 450 480 510 540 570 600

% of all Solar LIghts

Average Minutes Used per Day

Page 38 of 54  

Figure 3.15: Daily Solar Light Use Across Months (N = 40,732: days*solar lights)  

    

3.4 ImpactofSolarLightsonKeroseneUse

To establish possible environmental and health  impacts of solar  lights  it  is essential  to understand 

whether solar lights complement or replace existing light sources, which are typically kerosene‐based 

products. In other words, it is necessary to determine whether solar lights are used in addition to or 

instead of existing  lighting sources.  In  this section we will  look at  this question  from  two different 

perspectives: first, we look at the impact of receiving (or buying) a solar light on the type and number 

of non‐solar lighting sources used, and second, we analyze the impact of access to solar lighting on the 

total number of lighting hours per day for adults and children.  

Types of lighting sources used 

Households were asked what  type of  lighting  source anyone  in  their household used  the previous 

evening (multiple answers possible). Figure 3.16 shows the different types of lights used in the control 

group  (orange)  in  comparison with  the  light  sources used by  respondents  in  the  two  intervention 

groups. Notably,  100%  of  control  group  respondents  used  kerosene‐based  products  the  previous 

evening. The share of people who used kerosene‐based lighting products drops to 86% for the voucher 

recipients (including both households who bought and who did not buy a solar light), to 75% for those 

voucher  recipients who actually bought a  solar  light, and  to 72%  for  the  free  solar  light  recipient 

households. These  findings  indicate  that while access  to solar  lighting reduces  the use of kerosene 

lighting, the majority of households did not completely replace kerosene‐powered lighting products, 

since for most households one solar light does not provide all household lighting needs.   

The “other” category predominantly consists of lanterns powered by battery or by electricity, and also 

includes candles and cell phone lights. Access to solar lighting does not have an impact on the use of 

other forms of lighting. 

 

   

3,66 3,59 3,683,54 3,43 3,41 3,49 3,46

0,00

0,50

1,00

1,50

2,00

2,50

3,00

3,50

4,00

August September October November December January February March

Average

 Hours per Day

Page 39 of 54  

Figure 3.16: Lighting Sources used Previous Evening (ITT; N = 1,313) 

 Notes: Statistically significant difference from control group at the *10%  level ** 5%  level *** 1%  level. No control variables used. ****The difference between the buyers group and the control group cannot be interpreted as causal due to possible selection bias. 

 

Number of lighting sources used  

Figure 3.17 shows that an average household in the control group uses two tin lamps.44 This number 

drops to 1.7  for the households which received an offer to buy a  lamp and to 1.4 for those, which 

bought a  lamp or received one  for  free. Larger kerosene  lanterns are  less  frequently used and  the 

reduction is from 0.23 in the control group to 0.16 in the free solar light group.In addition to leading 

to  lower usage of  kerosene based products,  solar  light  adoption  also  (marginally)  reduced use of 

cellphone lights, both among households which bought a light and those which received one free.  

There is no significant difference between the different experimental groups with regard to the use of 

battery powered/other rechargeable lights.   

When we analyze the ToT (treatment effect on the treated), the average number of tin lamps among 

the control group is 2.2 tin lamps per household. Households who received a free solar light use 0.9 

fewer tin lamps, and those who bought a light use 0.8 fewer tin lamps. Hence, we see a replacement 

rate of 1:0.9 and 1:0.8 respectively (one solar light replaces 0.9/0.8 tin lamps).45 The effect size of the 

free group is not statistically different from the effect size of the buyers,46 meaning that buyers of solar 

lights and households who received a free light exhibit approximately the same replacement ratio.    

 

   

                                                            44 The survey question was: “How many of the following lighting sources did you use in the past month?”  45 This estimation is not statistically different from a 1:1 replacement.    46 The estimated effect of a free solar light is ‐.88 fewer tin lamps and ‐.82 fewer tin lamps for a bought solar light. 

83%72%

4%

22%

81%75%

7%

29%

47%

86%

5%

29%13%

100%

7%

26%

0%

20%

40%

60%

80%

100%

120%

Solar Lantern Kerosene Based Lighting Solar Home & Electricity Other

Free Solar Light Buyers**** Offer to Buy Control

Page 40 of 54  

Figure 3.17: Number of Lighting Sources Used in the Past Month, by Type 

(ITT, post‐intervention; N = 1,313) 

 Notes: Statistically significant difference from the control group at the *10% level ** 5% level *** 1% level. No control variables used.  ****The difference between the buyers group and the control group cannot be interpreted as causal due to possible selection bias. 

 

Lighting Hours for Pupils and Adults  

To calculate the number of hours that adults and children use solar and other  lighting each day we 

included  a  detailed  set  of  survey  questions  about  light  use.  For  every  hour  of  the  day we  asked 

respondents  to  report  the primary activity,  they had engaged  in.47 For every hour without  sunlight 

(18:00 to 7:00),48 we also asked respondents whether they used any lighting source. If they did use a 

lighting source, we asked them which one. From that information, we calculated the total number of 

hours per day that adults and children reported using any lighting source (i.e., total hours of lighting 

regardless of source used). Lighting hours mostly occur in the evenings (i.e., after 18:00) and not in the 

morning (i.e., before 7:00). Among children, around 80% of lighting hours occur in the evenings, and 

among adults, around 90% of lighting hours occur in the evenings. 

Students who received a free solar light used lighting sources for 3.55 hours per day (ITT effect), those 

who received a voucher to buy a solar light used a lighting source for 3.47 hours per day (ITT effect), 

and those in the control group used it for 3.32 hours per day. The difference between the free solar 

light group and the control group is statistically significant at the 5% level, and the difference between 

those who received a voucher to purchase a solar light and the control group is significant at the 10% 

level. Hence, in households that received a free solar light, children increased lighting use by 0.23 hours 

(13.6 minutes) corresponding to a 6.8% increase and children whose household received a voucher to 

purchase a solar light increased usage by 0.15 hours, or 8.8 minutes, corresponding to a 4.4 % increase 

(see Figure 3.18). 

                                                            47 Half hour slots were used for the evenings between 19:00 and 22:00 for more detailed and accurate information. Time slots were longer between 23:00 and 3:00, when we expect most people to be asleep.  48 Since Kenya is at the equator, sunrise and sunset remains the same throughout the year.  

1,071,38

0,16 0,17

0,751,08

1,42

0,18 0,22

0,710,63

1,73

0,17 0,22

0,69

0,19

2,00

0,23 0,20

0,79

0,0

0,5

1,0

1,5

2,0

2,5

Solar light

Tin Lam

p

Kerosene lantern

Battery

powered

/rechargeable light

Cell phone light

Free Solar Light Buyers**** Offer to Buy Control

Page 41 of 54  

When  looking at the ToT for students, the difference between the control group and the free solar 

light group is 0.37 hours, or 22 minutes. The ToT difference between the voucher recipient group and 

the control group is 0.45 hours, or 27 minutes. Hence, having access to a solar light increases lighting 

hours among students by about 10‐15% per day, or by about 80‐100 hours per year.   

Figure 3.18: Number of Hours of Lighting Use (ITT; N = 1280 for pupils and N = 1313 for adults) 

 Notes: Statistically significant difference from control group at the *10%  level ** 5%  level *** 1%  level. No control variables used. The difference between the buyers group and the control group cannot be interpreted as causal due to possible selection bias.  

 

For adults, on the other hand, there is neither a statistically significant difference between those who 

received a free light and the control group nor between the buyers and the control group. We see a 

decrease in number of lighting hours for the full voucher recipient group (including those who chose 

not to buy), and this reduction is driven by the non‐buyers (since the number of hours that buyers use 

a  lighting  source  did  not  change).  The  reduction  of  0.18  hours  (10.8 minutes)  is,  however,  only 

significant at the 10% level. At this point we do not know what drives this reduction, and we plan to 

investigate this result further.  

 

In summary, we find that solar lights are a substitute for rather than a complement to kerosene‐based 

lighting for adults, as their lighting hours do not increase with access to a solar light. For children, solar 

lights seem  to mostly substitute  for kerosene  lighting, but  they also act as a complement  to some 

extent,  given  that  students  reported  a  slight  increase  in  light usage  (about 20‐30 minutes  from  a 

baseline of 3 hours and 20 minutes). Light use changes for households which purchase a solar light and 

those which receive one for free are very similar.  

Interruptions in Light Consumption    

During qualitative  interviews prior  to  the start of  the baseline survey, we  learned  that kerosene  is 

sometimes  perceived  as  an  inconvenient  lighting  source.  For one  thing,  it  is necessary  to  rely on 

material for wick in order to burn it, which must be replaced when it runs out. In addition, a household 

must constantly be (thinking about) purchasing and transporting kerosene. As a result, people who fail 

to anticipate their wick or kerosene needs sometimes have to sit in the dark or need to rely on another 

3,323,47 3,55 3,56

3,213,03 3,07 3,21

0,0

0,5

1,0

1,5

2,0

2,5

3,0

3,5

Control(Pupils)

Offer to BuySolar Light(Pupils)

Free SolarLight

(Pupils)

Buyers(Pupils)

Control(Adults)

Offer to Buy(Adults)

Free SolarLight

(Adults)

Buyers(Adults)

*

Page 42 of 54  

lighting  source.  We  therefore  analyzed  whether  access  to  solar  lights  reduces  such  lighting 

interruptions.  

 

Amongst households in the control group, 44.5% reported that they had to sit in the dark at least once 

during  the  previous month, while  among  the  free  light  recipients  only  17.1%  experienced  such  a 

situation; among households who received an offer to buy a solar light 28.3% had that experience. Still, 

we learned that such instances are not frequent, even for those in the control group: on average, the 

treatment group was stranded without light 0.3 times during the past month, while the control group 

was stranded 1.1 times. 

 

Similarly, we find that 40% of households  in the control group had to resort to a secondary  lighting 

source in the past month, compared to 27.8% of households who received a voucher and only 18% of 

free treatment households. The most frequently used alternative was a cell phone light. Resorting to 

a secondary lighting source is also a relatively rare occurrence: treatment households experienced this 

an average of 0.4 times during the past month, voucher recipient households experienced it an average 

of 0.7 times, and control households used a secondary light source about 0.8 times, on average. 

3.5 FinancialImpactofSolarLights

Impact on Monthly Energy Expenditures 

During our endline data collection in February/March 2016, an average household in the control group 

spent US $2.86 (KES 286) per month on energy, corresponding to 3.34% of total expenditure. Energy 

spending at endline was lower than in the beginning of the study due to lower kerosene prices; total 

expenditure at endline was higher than at baseline due to school fees, which are due early in the year. 

Lighting alone accounts for US $1.61 (KES 161), or 56.5% of energy expenditure – and almost all of this 

(90.7%) is spent on kerosene.49  

Households who received a voucher to buy a solar  light spent US $0.53 (KES 53)  less per month on 

energy, out of a total of US $2.32 (KES 232) per month spent on energy, of which US $1.38 (KES 138) 

was spent on  lighting. In the free solar  light group, the average spending on energy per month was 

lower by US $0.93 (KES 93), with a total of US $1.93 (KES 193) per month on energy, of which US $1.05 

(KES 105) is spent on lighting (see Figure 3.19).50  

Half of the group receiving a free light was given a Sun King Eco (SK Eco) and the other half a Sun King 

Mobile (SK Mobile) solar light. The difference between the two lights is that the SK Mobile has a larger 

and stronger  light than SK Eco, with the ability to charge a mobile phone (for more information see 

Section 2.4). Those households which received a SK Mobile incur lower mobile phone charging costs 

(US $0.08 or KES 8) per month compared to those which received an SK Eco light (US $0.29 or KES 29). 

This difference is significant at the 1% level. The overall energy expenditure is thus lower for people 

who received a SK Mobile (see Figure 3.19). However, given the much higher price for SK Mobile lights 

(US $24 instead of US $9 for the Sun King Eco) these additional savings do not translate into shorter 

amortization periods (see Table 3.1).  

                                                            49 These numbers are slightly different from what is described in Section 3.1, probably due to lower kerosene prices during endline data collection.  50 These are simple differences between the groups, with no control variables used.  

Page 43 of 54  

Figure 3.19: Household’s Monthly Energy and Lighting Expenditure by Treatment  

(ITT, post‐intervention, all groups; N=1,313) 

Notes: Statistically significant difference at the *10% level ** 5% level *** 1% level.  No control variables used.  

Savings  prove  to  be  a  large  share  of  energy  expenditure  (ITT  around  20%‐40%  and  ToT  around 

40%60%), which is expected given that lighting is a large fraction of energy expenditure (see Section 

3.1 and Table 3.1). They are, however, a rather small percentage (ITT around 1% and ToT around 2%) 

of total cash expenditure. This finding is in line with the fact that energy accounts for only 3.3%‐ 5.1% 

of total cash expenditure.51  

When we focus on the ToT estimates, which assess the impact of having a functioning solar light, we 

see that households who purchased a solar light save around 1.9% of their total cash expenditure while 

households who received one free only save 1.3%. This difference could be caused either by a selection 

effect, whereby people who use more kerosene are more likely to buy a solar lantern, or by a sunk cost 

effect, whereby  the act of purchasing could  lead people  to use  the solar  light more often, or by a 

combination of both effects.  

Overall, these estimates are in line with existing literature. Grimm et al. (2016) discovered expenditure 

reduction  of  US  $0.92  as  a  result  of  providing  solar  lights  free,  corresponding  to  1.7%  of  total 

expenditure of the control group in their study in Rwanda52 and an amortization period of purchasing 

a solar light of around 18 months. Kudo et al. (2016), in their study in Bangladesh, calculate expenditure 

                                                            51 During baseline it was at 5.1% and during endline 3.3%, due to lower kerosene prices and higher overall expenditure (because of schooling fees) at endline.  52 Calculations made by authors based on numbers provided by Grimm et al. (2016). 

$1.05 $1.00 $1.10$1.38

$1.61

$0.89$0.76

$1.00

$0.95

$1.24

$0,00

$0,50

$1,00

$1,50

$2,00

$2,50

$3,00

$3,50

Free

 Solar

Lantern

Free

 Solar

Lantern

(Mobile)

Free

 Solar

Lantern (Eco)

Offer to Buy

Control G

roup

$1.93

$2.32 

Expenditiureon Energy Except Lighting 

Expenditure on Lighting 

$2.86

$1.76 

$2.10 

Page 44 of 54  

savings of 1.6% of total expenditure, which is not significant at the 10% level,53 and a pay‐back period 

of 21 months.54  

Table 3.1: Monthly Expenditure Savings  

(ITT & ToT, post‐intervention, all groups; N=1,313)  

Effect  Type of Light  

Savings in USD 

% energy exp1 

% tot exp endline2 

% tot exp baseline3 

Payback Period in months4 

Free Solar Light  (ITT)   SK Eco   0.76**  26.6%  0.9%  1.1%  11.9 

Free Solar Light  (ToT)  SK Eco   1.14**  39.8%  1.3%  1.6%  7.9 

Free Solar Light (ITT)   SK Mobile  1.10***  38.4%  1.3%  1.6%  21.9 

Free Solar Light (ToT)  SK Mobile  1.51***  53.0%  1.8%  2.2%  15.9 

Offer to Buy (ITT)  SK Eco   0.53**  18.6%  0.6%  0.8%  16.9 

Offer to Buy (ToT)  SK Eco   1.61**  56.5%  1.9%  2.3%  5.6 Notes: Statistically significant difference from control group at the * 10% level ** 5% level *** 1% level. No control variables used. If we control for baseline, we find similar effects overall.  1 Energy expenditure of control group at endline. 2 Total expenditure of control group at endline. 3Total expenditure of free group and control at baseline. We added this information to account for the fact that right 

before the endline survey took place yearly school fees were due, which substantially increased overall expenditure.55   4Assuming a price of US $9 for a Sun King Eco and US $24 for a Sun King Mobile solar light and a 0% interest rate.   

Impact on Expenditure Pattern 

The next question is how households spend the savings on kerosene of around US $0.80‐$1.60 (KES 

89‐160) per month: in other words, how does the expenditure pattern (as shown in Section 3.1) change 

once households have access to a solar light? Since the savings as a percentage of total expenditure 

per month are  just 1%‐2%, we do not  find any  significant  changes  in expenditures  for any of  the 

categories, except an increase in food expenditure of US$ 2.75 in households that received a voucher. 

This change is only significant at the 10% level (see Table 3.2).  

Table 3.2: Impact on Monthly Expenditure Categories (ITT, post‐intervention, all groups; N=1,313) 

    ITT  ToT 

Expenditure Type Control   (US $) 

Control vs. Free  (US $) 

Control vs. Voucher  (US $) 

Control vs. Free  (US $) 

Control vs. Voucher  (US $) 

Food  30.14  0.44  2.75*  0.64  8.33* 

Education & Health  38.52  2.04  1.84  2.92  5.59 

Other Expenditure   16.29  1.04  0.98  1.5  3 

Energy   2.86  ‐0.93***  ‐0.53**  ‐1.34***  ‐1.61*** 

Notes: Statistically significant difference from control group at the * 10% level ** 5% level *** 1% level. No control variables used. Results do not change significantly when controlling for baseline expenditure (only possible for the free solar light group).             

                                                            53 It is significant at the 10% and higher (3.2%) when they do not control for baseline.  54 Author’s calculation based on information in the paper that products costs 37 USD and average yearly savings are around 21 USD.  55 In future analyses we will use monthly expenditure data from the region of Busia available from another study to model expenditure fluctuations and kerosene savings across seasons. 

Page 45 of 54  

                       

Kerosene Price Fluctuations  

When we conducted the endline survey beginning in February 2016, kerosene prices were at a historic 

low due to falling global oil prices.56 According to the Kenyan Energy Regulatory Commission, pump 

prices for kerosene were 42.83 KES  (US $0.43) per  litre, while at baseline they were 64.92 KES  (US 

$0.65) per litre.57 This baseline price (July/August 2015) is similar to the average kerosene price in the 

year before our  study  took place  (July 2014‐July 2015).58 This  reduction  in kerosene prices  is only 

reflected in our survey to the extent that respondents who buy kerosene by the litre (N=580) reported 

that they paid 80 KES (US $0.80) per litre at baseline and 70 KES (US $0.70) at endline.59 In Kenya, as in 

other countries in sub‐Saharan Africa, kerosene prices in rural and remote areas are much higher than 

at the pump stations in the city center due to high transportation costs and lower quantities being sold 

(Lighting Africa, 2012).60  

When calculating the effect of access to solar lighting above, we compared the free solar light group 

(or the voucher recipient group) to the control group at endline. Since kerosene prices were very low 

at that time, the savings estimates are likely to be lower than they would be if prices were higher.  

If the demand for kerosene were perfectly non‐responsive (i.e., inelastic) to kerosene price changes, 

the savings  in kerosene per household would  increase  in proportion  to  the  increase  in price  (since 

consumers would use the same amount of kerosene no matter the price). This assumption is very likely 

to lead to an overestimation of the savings potential, since households are likely to reduce the use of 

kerosene to some extent as prices go up (i.e., demand is not perfectly inelastic).  

Table 3.3: Upper Bound Monthly Expenditure Savings 

(ITT & ToT, post‐intervention, all groups; N=1,313) 

*Based on assumption that kerosene prices are 1.14 times higher than measured and demand is perfectly inelastic.  ** Assuming a price of US $9 for a Sun King Eco and US $24 for a Sun King Mobile and assuming a 0% interest rate. 

 

                                                            56 http://www.nation.co.ke/news/Fuel‐Prices‐Energy‐Regulatory‐Authority/‐/1056/2624228/‐/vdfd6e/‐/index.html 57 http://www.erc.go.ke/index.php?option=com_content&view=article&id=162&Itemid=666 However, pump prices differ a lot from the  prices people face in remote areas (see Lighting Africa (2012)). 58 ERC (2015) provides information on three price points (July 14, Feb 15, and Jun 15). The average of these three points is 66.09 KES (Nairobi) and 69.54 KES if adjusted for Busia. 59 We focus here on the 39.4% who purchase kerosene by the liter, since others purchase it using “tins” as a measure – an unspecified amount that costs 10 KES or 20 KES.  60 We do not know why the price drop is only partially reflected in local prices. This might be a sign of market failures such as information asymmetries between kerosene sellers and consumers and may partially be a result of a monopolistic market structure.  

Effect Type of Light 

(SK) Upper bound energy savings 

US $ per month* Amortization in months (5%)** 

Free Solar Light (ITT)   Eco   0.87  10.4 

Free Solar Light (ToT)  Eco   1.30  6.9 

Free Solar Light (ITT)   Mobile  1.25  19.2 

Free Solar Light (ToT)  Mobile  1.73  13.9 

Offer to Buy (ITT)  Eco   0.61  14.8 

Offer to Buy (ToT)  Eco   1.84  4.9 

Page 46 of 54  

To give us an upper bound estimate for the savings at the household level we assume that consumption levels are the same as they are at endline, but prices are at the reported baseline level (80 KES per litre instead of 70 KES per litre). Under these assumptions, the amount saved should increase by a factor of 1.14 and the amortization time is reduced accordingly. Table 3.3 shows the corresponding figures. 

3.6 TimeImpactofSolarLights

When  higher  quantity  or  higher  quality  lighting  becomes  available,  households may  increase  the 

number of hours  they are awake as  their  time becomes more productive or enjoyable. Moreover, 

households might shift some of the activities they used to do during the day to the evening, and/or 

change the number of hours they devote to different types of activities. We collected detailed time 

use data for adults and children in our sample. Specifically, we asked about their activity for every one 

hour slot for the previous day and for every 30 minute slot for the previous evening.61 Moreover, for 

the early morning and evening slots we asked which lighting source (if any) they used for the activity. 

This information was collected at baseline for the free solar light group and the control group and at 

endline for the entire sample. 

3.6.1 Adult’sTimeUse

We find considerable differences in time use between male and female adults. Men tend to be more 

engaged in productive activities (agriculture and off‐farm work) than women, but women work much 

more  in total (i.e  largely  involving household chores). Total working hours are 9.2 hours for women 

and 7.5 hours for men. Men enjoy double the amount of recreational time of women (see Figure 3.20). 

Due to these large gender differences in time use we conduct the impact analysis separately for men 

and women.  

Figure 3.20: Men’s and Women’s Time Use (post‐intervention, control group; N = 367) 

 Notes: Statistically significant difference between male and female respondents at the * 10% level ** 5% level *** 1% level. No control variables used.  

 

   

                                                            61 More detailed information was collected on evening hours since information from the pilot suggested that solar lights are used more in the evening.  

4,1

5,1

1,1

6,8

0,5

1,1

5,8

1,72,2

6,9

0,5

1,4

0,00

1,00

2,00

3,00

4,00

5,00

6,00

7,00

8,00

 Working Hours HH Chores Recreation Sleep/Rest Travel Religous &Volunteer

Women

Men

Page 47 of 54  

Figure 3.21: Daily Routine by Gender (ITT, post‐intervention, all groups; N=1,313) 

 Notes: Statistically significant difference at *10% level ** 5% level *** 1% level. No control variables used.  

First, we do not observe any significant impact of solar lights on the time women (or men) get up in 

the morning or go to sleep in the evening (see Figure 3.21). Second, we compare how women and men 

in each of the groups use the 24 hours of the day. Figure 3.22 shows a full day for an average person 

for each of the groups, not controlling for any variables. We do not observe any obvious changes in 

working hours (or other activities) for women. Men in both the offer‐to‐buy and the free solar light 

group  tend  to  increase  their  recreational  time  slightly and marginally decrease  their working  time 

(including household chores).   These differences are small and  therefore not easy  to distinguish  in 

Figure 3.22.  

Figure 3.22: Impact on Men’s and Women’s Time Use 

(ITT, post‐intervention, all groups; N=1,313) 

 Notes: No control variables used.  

 

To have a closer look at time use effects, we look at the impact of receiving access to a free solar light, 

or getting the opportunity to buy one on men’s and women’s time use when controlling for a set of 

control variables (ITT in table 3.4) as well as the effect of having a functioning solar light on time use 

9,2

5,4

9,3

5,4

9,2

5,3

9,3

5,2

9,2

5,3

9,3

5,2

0,0

2,0

4,0

6,0

8,0

10,0

Go to Bed Wake Up Go to Bed Wake Up

Women Men

Control Offer to buy Free Solar Light

0,00

5,00

10,00

15,00

20,00

Control Offer to Buy Free SolarLight

Control Offer to Buy Free SolarLight

Women Men

Other

Religous &VolunteerTravel

Sleep/Rest

Recreation

HH Chores

 Working Hours

Page 48 of 54  

(ToT in table 3.4).  We do not observe any statistically significant differences in the number of hours 

that women spend on different activities between the control group and the treatment groups. Men, 

on the other hand, seem to experience an increase in recreational time of around half an hour when 

given access to a solar light, and decrease their working time (and time spent on household chores) by 

about one hour (see Table 3.4). Since all hours of the day must add up to 24 hours by construction, 

analysing the impact of solar lights on time use using OLS regression is not ideal. We will follow up on 

this issue in a future analyses. 

Table 3.4: Impact on Men’s and Women’s Time Use in Minutes per Day  

(ITT & ToT, post‐intervention, all groups; N=1,313) 

  ITT  ToT 

Free   Offer to Buy  Free   Offer to Buy 

   Women   Men   Women  Men   Women  Men   Women   Men  

Working   ‐2.7  ‐53.7**  5.9  29.9  ‐3.9  ‐76.1**  19.1  78.3 

HH Chores  ‐0.6  2.1  20  ‐55.3***  ‐0.9  3  64.9  ‐144.5*** 

Recreation  2.2  28.3*  ‐3.7  32.6**  3.2  40.3*  ‐12.1  85.3** 

Sleep/Rest  ‐15  16.3  ‐8.1  0.3  ‐21.6  23.3  ‐26.3  0.7 

Travel  2.1  5.3  ‐2.5  7.6  3  7.6  ‐8.2  19.9 

Rel. & Volunt.  15.1  10.7  6.4  ‐16.3  21.8  15.2  20.9  ‐42.7 

Notes: Statistically significant difference at *10% level ** 5% level *** 1% level. Controlled for years of education and baseline levels of the respective variable when comparing the free solar light group with the control group. It was not possible to control for baseline levels in the offer‐to‐buy group as this data was not collected.  

 

3.6.2 Children’sTimeUse

In contrast to adults, where women seem to spend their time differently than men, we only find small 

differences in the daily activities of boys and girls. Boys and girls are both in class for around 4‐5 hours 

and do homework and personal studies for around 2.5 hours per day. Girls, however, get slightly less 

sleep than boys (0.6 hours) and they spend one hour more on household chores. Figure 3.23 illustrates 

the differences in time use between girls and boys. 

   

Page 49 of 54  

Figure 3.23: Boys’ and Girls’ Time Use (post‐intervention, control group; N=366) 

 Notes: Statistically significant difference at *10% level ** 5% level *** 1% level.  No control variables used. 

 

We first calculated the average time of the day children get up in the morning and go to sleep in the 

evening, and similar to the results for adults, we do not observe any differences between the control 

group and the treatment groups (see Figure 3.24).  

Figure 3.24: Impact on Girls’ and Boys’ Daily Routine  

(ITT, post‐intervention, all groups; N=1,280) 

 Notes: Statistically significant at the *10% level ** 5% level *** 1% level. No control variables included. 

 

Second, we calculated the impact of solar lights on the amount of time spent on different activities by 

girls and boys separately. Figure 3.25 represents a day for an average boy and an average girl in the 

control and  treatment groups without using any  control  variables. Controlling  for a  set of  control 

variables (see Table 3.5), we find that boys and girls living in households which received access to a 

free solar light tend to sleep about half an hour less than children in the control group. Moreover, boys 

tend to study about 16.9 minutes more than boys in the control group (ITT), corresponding to a ToT 

4,7

0,91,5

7,8

1,72,5

1,3

3,4

4,2

0,91,6

8,4

1,8 1,5 1,3

4,4

0,0

1,0

2,0

3,0

4,0

5,0

6,0

7,0

8,0

9,0

Hours inSchool

Studyduring Day

Study atNight

Sleep Time Recreation HH Chores Travel Other

Girls Boys

21,3

5,7

21,3

5,9

21,5

5,7

21,4

5,8

21,4

5,7

21,4

5,8

0

5

10

15

20

25

Go to Bed Wake Up Go to Bed Wake Up

Girls Boys

Control

Offer to buy

Free Solar Light

Page 50 of 54  

increase of 31.3 minutes  if  they received a  free solar  light. No statistically significant effect can be 

found  for  girls.  Similar  to  our  results  for  adults, where we  only  observe  changes  in men’s  time 

allocation, it seems that access to a solar light has a bigger impact on boys’ time use than on girls’ time 

use. The most significant effect is a reduction in sleeping hours for both boys and girls — an unintended 

consequence of the solar light (see Table 3.5). 

 

Figure 3.25: Impact on Boy’s and Girls’ Time Use 

(ITT, post‐intervention, all groups; N= 1,280) 

 Notes: No control variables used.    

Table 3.5: Impact on Boys’ and Girls’ Time Use in Minutes per Day 

(post‐intervention, all groups; N = 1,280) 

  

ITT  ToT 

Free   Offer to Buy  Free   Offer to Buy 

  Girls   Boys   Girls   Boys   Girls   Boys   Girls   Boys  

   Study Total  8.1  16.9*  4.0  1.7  10.1  31.3*  5.5  6.5 

   Study at Night   3.6  10.2  6.2  4.9  4.2  17.82*  16.4  12.1 

   Hours in School  12.9  12.1  7.5  8.4  20.0  20.6  32.3  17.9 

   HH Chores  ‐1.2  ‐9.6  ‐9.1  ‐7.9  ‐4.9  ‐17.2  ‐31.2  ‐24.2 

   Recreation  1.9  ‐3.7  8.2  ‐1.8  1.7  ‐6.7  17.8  ‐21.5 

   Sleep & Rest  ‐19.68**  ‐29.3**  ‐9.5  ‐14.8  ‐27.12*  ‐55.6***  ‐18.8  ‐61.5* 

   Travel  ‐3.7  ‐21.0  ‐1.4  ‐13.7**  ‐3.2  ‐32.0***  ‐2.8  ‐38.28** 

Notes: Statistically significant at *10% level, ** 5% level, and *** 1% level. Controlled for school fixed effects, pupil class, whether yesterday was a school day, number of days that pupil was given homework past week. 

 

0,00

5,00

10,00

15,00

20,00

Control Offer to Buy Free SolarLight

Control Offer to Buy Free SolarLight

Girls Boys

Other

Travel

HH Chores

Recreation

Sleep

Study

Hours in School

Page 51 of 54  

We also asked children specifically about homework completion. Pupils  in both the control and the 

treatment groups reported that they had received homework on 2.6 days out of the past week, on 

average.  

In general, children complete their homework after sunset (80% of the time).  In the control group, 

76.9% of homework assignments that pupils received the previous week were completed after dark. 

In  households which  received  a  free  solar  light  the  pupil  is  5.1%‐points more  likely  to  complete 

homework after dark (significant at the 5% level) and pupils in households which received an offer to 

buy a solar  light are 4%‐points more  likely  to  finish after dark  (significant at  the 10%  level). These 

overall differences are mostly driven by boys who tend to shift homework time to the evening hours 

(again see Table 3.5).  

On average, 30.8% of the children in the control group who had received homework in the past week 

reported that they had not been able to complete it one or more times. Children who accessed a free 

solar light were 9.9%‐points more likely to have completed all the homework in the past week (this 

difference is significant at the 1% level) and children who live in households who received a voucher 

were 5.3%‐points more  likely  to  complete homework, on  average. However  this difference  is not 

statistically  significant  at  the  10%  level. 62  Looking  at  the  ToT  estimates we  find  that  children  in 

households which received a free light are 14.4%‐points more likely to complete homework after dark 

(significant at the 1%  level). While the ToT estimate for the offer‐to‐buy group  is 15.5%‐points, the 

effect is not statistically different from zero.63  

However,  homework  completion  is  purely  based  on  self‐reported  data  and  it  is  possible  that 

respondents are inclined to tell us what they think we would like to hear (social desirability bias). It is 

possible  that  children  who  received  a  solar  light  over‐reported  homework  completion  and  it  is 

important to check these results against more objective schooling measures such as test scores, which 

we will do in future analyses.   

                                                            62 Controlling for school fixed effects, class, pupil, gender.   63 Controlling for school fixed effects, class, pupil, gender.   

Page 52 of 54  

4 Bibliography

Ashraf, N., Karlan D., & Yin W. (2006) Tying Odysseus to the mast: evidence from a commitment 

savings product in the Philippines. The Quarterly Journal of Economics. 121 (2): 635‐672. 

 

Barron, M & Torero M. (2015) Household Electrification and Indoor Air Pollution. Unpublished 

manuscript. 

 

Bloomberg (2016) Off‐Grid Solar Market Trends Report 2016. Available from: 

https://about.bnef.com/white‐papers/off‐grid‐solar‐market‐trends‐report‐2016/ [Accessed: 4 

November 2016]. 

Chakravorty, U., Emerick, K. & Ravago, M.‐L. (2016) Lighting Up the Last Mile: The Benefits and Costs 

of Extending Electricity to the Rural Poor. Unpublished discussion paper. Available from: 

http://www.rff.org/files/document/file/RFF‐DP‐16‐22‐REV.pdf. 

Cohen, J. & Dupas; P.  (2010) Free Distribution or Cost‐Sharing? Evidence from a Randomized Malaria 

Prevention Experiment. The Quarterly Journal of Economics 125(1): 1‐45. 

CRA (2013). County Fact Sheets 2013. Second Edition. Comission on Revenue Allocation.  

Dinkelman, T. (2011) The Effects of Rural Electrification on Employment: New Evidence from South 

Africa. American Economic Review. 101 (7), 3078–3108.  

Duflo, E., Glennerster, R., & Kremer, M. (2007). Using randomization in development economics 

research: A toolkit. Handbook of development economics, 4, 3895‐3962. 

Dupas, P. (2011) Health Behavior in Developing Countries. Annual Review of Economics. Vol. 3: 425‐

449. 

Energy Regulation Commission (2015) Annual Report 2015. Available from: http://erc.go.ke/ 

[Accessed: 13 August 2015]. 

Furukawa, C. (2013) Do Solar Lamps Help Children Study? Contrary Evidence from a Pilot Study in 

Uganda. The Journal of Development Studies. 50 (2), 319–341.  

Furukawa, C. (2014) Health and Safety Benefits of Replacing Kerosene Candles by Solar Lamps: 

Evidence from Uganda. Working Paper. 

Global Off‐Grid Lighting Association (2015) Social Impact Measures. Available from: http://global‐off‐

grid‐lighting‐association.org/working‐groups/social‐impact‐measurement/ [Accessed: 13 August 

2015].  

Grimm, M., Munyehirwe, A., Peters, J. & Sievert, M. (2016) A First Step up the Energy Ladder? Low 

Cost Solar Kits and Household’s Welfare in Rural Rwanda. The World Bank Economic Review.  

Gustavsson, M. (2007) Educational benefits from solar technology: Access to solar electric services 

and changes in children’s study routines, experiences from eastern province Zambia. Energy Policy. 

35, S.1292–1299. 

Page 53 of 54  

Hassan, F. & Lucchino, P. (2016) Powering Education, CEP Discussion Paper, No. 1438. London, Center 

for Economic Performance, London School of Economics and Political Science. Available from: 

http://eprints.lse.ac.uk/67673/ [Accessed: 13 October 2016]. 

Imbens, G.W. & Angrist, J.D. (1994) Identification and Estimation of Local Average Treatment Effects. 

Econometrica. 62 (2), 467.  

International Energy Agency (2014a) Africa Energy Outlook. Available from: 

http://www.iea.org/publications/freepublications/publication/WEO2014_AfricaEnergyOutlook.pdf 

[Accessed: 10 October 2015]. 

International Energy Agency (2014b) World Energy Outlook 2014. Available from: 

http://www.worldenergyoutlook.org/weo2014/ [Accessed: 10 October 2015].  

Jacobson, A., Lam, N. L., Bond, T. C.  & Hultman, N. (2013)  Black Carbon and Kerosene Lighting: An 

Opportunity for Rapid Action on Climate Change and Clean Energy for Development. Report no. 2013‐

03. Global Views: Global Economy and Development, The Brookings Institution. 

Kremer, M., Miguel, E. (2007) The Illusion of Sustainability. The Quarterly Journal of Economics. 122 

(3), 1007–1065. 

Kudo, Y., Shonchoy, A. &  Takahashi, K. (2015) Impacts of solar lanterns in geographically challenged 

locations: Experimental evidence from Bangladesh, IDE Discussion Paper, No. 502. Available from: 

http://www.ide.go.jp/English/Publish/Download/Dp/pdf/502.pdf [Accessed: 13 October 2016]. 

Laibson, D. (1997) Golden Eggs and Hyperbolic Discounting. The Quarterly Journal of Economics.

112 (2): 443‐478. 

Lam, N. L., et al. (2012) Household Light Makes Global Heat: High Black Carbon Emissions From 

Kerosene Wick Lamps. Environmental Science & Technology. 46 (24): 13531‐13538. 

Lam, N. L., S. Pachauri, P. Purohit, Y. Nagai, M. N. Bates, C. Cameron and K. R. Smith (2016) Kerosene 

subsidies for household lighting in India: what are the impacts? Environmental Research Letters 

11(4): 044014. 

Lam, N. L., K. R. Smith, A. Gauthier & M. N. Bates (2012) Kerosene: a review of household uses and 

their hazards in low‐ and middle‐income countries. Journal of Toxicology and Environmental Health, 

Part B: Critical Reviews. 15(6): 396‐432. 

Lee, K., Brewer, E., Christiano, C., Meyo, F., et al. (2014) Barriers to Electrification for "Under Grid" 

Households in Rural Kenya. NBER Working Paper Series. No. 20327.  

Lee, K., Miguel, E. & Wolfram, C. (2016a) Appliance Ownership and Aspirations among Electric Grid 

and Home Solar Households in Rural Kenya. American Economic Review. 106 (5), 89–94.  

Lee, K., Miguel, E. & Wolfram, C. (2016b) Experimental Evidence on the Demand for and Costs of 

Rural Electrification. Unpublished. Available from: 

http://emiguel.econ.berkeley.edu/research/experimental‐evidence‐on‐the‐demand‐for‐and‐costs‐

of‐rural‐electrification [Accessed: 13 October 2016]. 

Page 54 of 54  

Lighting Africa (2012) The True Cost of Kerosene in Rural Africa. Available from: 

https://www.lightingafrica.org/wp‐

content/uploads/2016/07/40_kerosene_pricing_Lighting_Africa_Report.pdf [Accessed: 12 July 

2016].  

Lighting Africa (2012a) Market Household Lighting Fuel Costs in Kenya. Available from: 

https://www.lightingafrica.org/wp‐content/uploads/2016/07/LightingAfrica‐KenyaKeroseneUse‐

Dec2012‐rev.pdf [Accessed: 12 July 2016]. 

Lighting Global (2012) Household Lighting Fuel Costs in Kenya. Available from:  

https://lightingafrica.org [Accessed: 12 July 2016]. 

Lipscomb, M., Mobarak, A.M. & Barham, T. (2013) Development Effects of Electrification: Evidence 

from the Topographic Placement of Hydropower Plants in Brazil. American Economic Journal: Applied 

Economics. 5 (2), 200–231.  

Mills, E. (2003) Technical and Economic Performance Analysis of Kerosene Lamps and Alternative 

Approaches to Illumination in Developing Countries. Lawrence Berkeley National Laboratory. 

Schreiner, M. (2016a) Simple Poverty ScorecardTM Kenya, 5‐Indicator Version for Acumen. 

Unpublished.  

Schreiner, M. (2016b) A Simple Poverty Scorecard for Kenya. Available from: 

http://www.microfinance.com/english/papers/scoring_poverty_kenya_en_2005.pdf [Accessed: 13 

October 2016]. 

SolarAid. (2014a) Impact Report 2014. Available from: https://solar‐aid.org/wp‐

content/uploads/2016/09/SolarAid‐Impact‐Report‐2014.pdf [Accessed: 13 August 2015].  

SolarAid (2014b) Kenya Country Report 2014. Available from: https://solar‐aid.org/wp‐

content/uploads/2016/09/Kenya‐report‐2014‐1.pdf [Accessed: 13 August 2015].  

SolarAid (2014c) A Guide to the Light Library model – Lessons, results & recommendations from the 

field: Senegal. Available from: https://www.lightingafrica.org/wp‐content/uploads/2014/10/Light‐

Library‐guide‐FINAL‐KH‐09.09.14.pdf [Accessed: 13 August 2015]. 

World Bank Group (2010) Addressing the Electricity Access Gap: background paper. World Bank 

Energy Sector Strategy. Available from: 

http://siteresources.worldbank.org/EXTESC/Resources/Addressing_the_Electricity_Access_Gap.pdf 

[Accessed: 13 October 2016]. 

Yoon, S., Urpelainen, J. & Kandlikar, M. (2016) Willingness to Pay for Solar Lanterns: Does the Trial 

Period Play a Role? Review of Policy Research. 33 (3), 291–315.