使用真正的努力来实现昂贵的活动增加了在现实生活中驱动努力提供的动机延续到实验室的可能性。然而，受试者之间在实际努力成本上未观察到的差异使定量预测成为问题。在本文中，我们提出了滑块任务，这是我们设计的，以克服实际工作任务的缺点。滑块任务允许研究人员在短时间内从相同的受试者收集精确和重复的努力提供观察。由此产生的高质量面板数据可以进行复杂的统计分析。我们用两种方式来说明这些优势。首先，我们展示了如何使用来自滑块任务的面板数据，通过控制持久未观察到的异构来提高精度。其次，我们展示了如何通过利用滑块任务重复中激励的主体内部变化来估计主体层面的努力成本。我们还提供z-Tree代码和实际指导，以帮助研究人员实现滑块任务。