在这种解释下,我的行为就好像她的邻居们没有考虑到他们自己前任的行为一样。在顺序学习文献中,Eyster和Rabin(2010)首先在完整网络上研究了假设1,他们创造了术语“最佳反应跟踪天真推理”(BRTNI)来描述这种行为。inEyster、Rabin和Weizsacker(2018)以及Mueller Frank和Neri(2015)的实验室游戏为这种行为假设找到了证据。犯这种推断错误的代理在未加权网络上使用对数线性规则,为我们研究的行为提供了心理微观基础。引理1。在未加权的网络中,代理只观察LinkedPrecessors的操作,假设1意味着代理使用加权对数线性规则。由于推理错误,代理i错误地推断j的log动作等于herlog信号。(这种推断是可能的,因为连续体动作集足够丰富,可以准确地揭示前人的信仰。)动作Ai是相关似然度的乘积,因为满足假设1的代理认为她的观察是基于独立信息的,因此Ai是相应对数似然比的总和。备注2。假设1下的推理在认知上很简单,因为它不依赖于代理对网络的知识(超出他们自己的邻居),甚至不依赖于他们的前任移动的顺序。因此,我们的模型甚至适用于代理随机到达的复杂环境。在这种环境中,假设1可能比假设完全了解观测结构和移动顺序更现实。接下来,我们给出了加权网络上相同行为的微观基础。
|