我们对网络权重进行了解释,将代理对其联系更强的邻居更加信任的观点形式化:我们假设代理低估了其他人的私人信号的准确性,这取决于Mi,j.假设2。给定网络权重Mi,j∈ [0,1],特工i认为j的私人信号具有条件方差σ/Mi,j激活状态。Weizs"acker(2010)对连续社会学习实验的元分析发现,实验室受试者未充分利用与其自身私人信号相关的社会信息。我们的假设2与这一证据一致,但也考虑到不同前辈的不同程度的使用不足。较弱的网络连接通常与前辈的信号相对应,前辈的信号被认为对状态的信息较少或相关性较低。相反地,如果我们知道i的作用就像j的信号有条件方差Vi,j≥ σ、 然后,我们可以构建一个加权网络,其权重为m i,j=σ/Vi,j。下一个结果表明,对他人社会信息的推断错误与对他人信号精度的低估(假设1和2)相结合,为加权对数线性规则提供了一个微观基础。引理2。满足假设1和2的代理使用加权对数线性规则。根据高斯分布的一个性质,对数变换的高斯变量也是高斯的,这是显示上述引理的关键。2.3全面学习和错误学习我们明确了在行动趋同方面全面学习对社会意味着什么。定义2。
|