信念错误与非贝叶斯社会学习：实验证据

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

英文标题：
《Belief Error and Non-Bayesian Social Learning: Experimental Evidence》
---
作者：
Bo\\u{g}a\\c{c}han \\c{C}elen (1), Sen Geng (2), Huihui Li (2) ((1)
  University of Melbourne, (2) Xiamen University)
---
最新提交年份：
2020
---
分类信息：

一级分类：Economics        经济学
二级分类：General Economics        一般经济学
分类描述：General methodological, applied, and empirical contributions to economics.
对经济学的一般方法、应用和经验贡献。
--
一级分类：Economics        经济学
二级分类：Theoretical Economics        理论经济学
分类描述：Includes theoretical contributions to Contract Theory, Decision Theory, Game Theory, General Equilibrium, Growth, Learning and Evolution, Macroeconomics, Market and Mechanism Design, and Social Choice.
包括对契约理论、决策理论、博弈论、一般均衡、增长、学习与进化、宏观经济学、市场与机制设计、社会选择的理论贡献。
--
一级分类：Quantitative Finance        数量金融学
二级分类：Economics        经济学
分类描述：q-fin.EC is an alias for econ.GN. Economics, including micro and macro economics, international economics, theory of the firm, labor economics, and other economic topics outside finance
q-fin.ec是econ.gn的别名。经济学，包括微观和宏观经济学、国际经济学、企业理论、劳动经济学和其他金融以外的经济专题
--

---
英文摘要：
  This paper experimentally studies whether individuals hold a first-order belief that others apply Bayes\' rule to incorporate private information into their beliefs, which is a fundamental assumption in many Bayesian and non-Bayesian social learning models. We design a novel experimental setting in which the first-order belief assumption implies that social information is equivalent to private information. Our main finding is that participants\' reported reservation prices of social information are significantly lower than those of private information, which provides evidence that casts doubt on the first-order belief assumption. We also build a novel belief error model in which participants form a random posterior belief with a Bayesian posterior belief kernel to explain the experimental findings. A structural estimation of the model suggests that participants\' sophisticated consideration of others\' belief error and their exaggeration of the error both contribute to the difference in reservation prices.
---
PDF下载：
--> Belief_Error_and_Non-Bayesian_Social_Learning:_Experimental_Evidence.pdf (463.96 KB)

2022-4-24 13:55:14 上传

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：贝叶斯 社会学 Experimental Participants Contribution

信念错误与非贝叶斯社会学习：实验证据*Bogachancelen，Sen Geng和MelbourneXiamen University的刘慧慧大学2020年11月20日摘要其他人应用贝叶斯规则将私人信息纳入他们的信念，也就是说，我们设计了一个新的实验环境，其中一阶信念假设是参与者报告的社会信息保留价格显著低于私人信息的保留价格，这提供了质疑一阶信念假设的证据。我们还建立了一个新的信念错误模型，参与者通过贝叶斯后验信念核形成随机后验信念来解释实验结果。对该模型的结构估计表明，参与者对他人信念错误的复杂考虑和对错误的夸大都会导致预订价格的差异。关键词：私人信息、社会信息、信念错误、非贝叶斯社会学习Jel:C91、C92、D83*Bogachancelen:bc319@nyu.edu，耿森：gengsen2020@gmail.com李慧慧：慧慧。pku@gmail.com.华中科技大学、莫纳什大学和厦门大学的研讨会参与者，以及厦门国际实验经济学研讨会（2014年、2016年）、中国经济计量学会会议（2017年）、纽约大学经济管理学院会议（2017年）、中国大湾区实验经济学研讨会（2018年）的与会者的有益评论，使我们受益匪浅，欧空局世界会议（2018年）。耿先生感谢中央大学基础研究基金（编号20720151323）和中国国家科学基金会（编号。

71703134).arXiv:2011.09640v1[econ.GN]20201年11月19日简介在许多环境中，个人必须在不知道与回报相关的潜在状态的情况下做出选择，他们可以通过观察指示类似环境的信号（标记为社会信息）来学习。一个典型的社会学习环境通常包括私人信息和社会信息。个人如何聚合这两类信息一直是社会学习文献关注的焦点。作为一个有用的基准，贝叶斯社会学习模型假设个体应用贝叶斯规则来整合私人信息和社会信息是常识，而这些信息本身也可能来源于私人信息和社会信息等。社会信息背后的网络结构的复杂性和对前人信息结构的无知正是通过这一观察，非贝叶斯社会学习模型以贝叶斯的方式偏离了贝叶斯理论。个人认为其他人应用贝叶斯定律将私人信息纳入他们的信仰。在我们的实验中，多人社交学习游戏由三个阶段组成。在第1阶段中，选择瓮1或瓮2与equalp进行游戏- 聚丙烯- ppp本文将其对社会信息的讨论定义为观察他人的行为。更一般地说，社会信息还包括观察他人行为的回报、交流以及观察他人的信仰和观点。参见Bikhchandani等人（1992年）、Banerjee（1992年）、Smith和Sorensen（2000年）对个人信息和随机生成的前辈选择子集的探索。玩家成功购买了附加信息。条件是在urn 1和urn 2之间成功选择。

每个参与者的回报是对信息的固定回报，（2）信号量，即一个或三个额外观察，以及（3）信号质量，p从0.6增加到0.75到0.9。信息生成过程非常简单，并且为个人所知，个人是否认为社会信息与私人信息相同，关键取决于她是否认为其他人在观察黑（或白）球后做出了贝叶斯第一选择，即选择1（或2）。除了其他人应用贝叶斯定律的第一顺序信念假设外，另外两个独立的假设共同使她相信其他人会做出贝叶斯第一选择。研究者们推动了实验设计。第二，她相信其他人选择持有这种信念。因此，其他人应用贝叶斯定律整合私人信息的一阶信念假设与社会信息与私人信息具有相同价值的可测试含义一致。明确拒绝了关于这两种信息等价性的无效假设，进而质疑社会学习模型的一阶信念假设。我们还发现，参与者并不总是做出贝叶斯第一选择，更有趣的是，他们做出贝叶斯选择的频率随着信号质量的增加而增加。这一发现质疑了一个假设，即个人应用贝叶斯定律来整合私人信息，并表明信号质量影响参与者是否遵循贝叶斯定律。

此外，我们还发现，参与者通常是信号型的，在贝叶斯范式中没有信息价值。关于主要结论的一个关键问题是，参与者对其他人未能将贝叶斯定律应用于合并私人信息的复杂考虑是否能充分解释这一点，即第二个结论是否使第一个结论合理化。为了解决这个问题并深入了解这些发现，我们提出了一个novelbelief错误。具体地说，我们假设参与者的随机后验概率值和测量置信度的非负参数γ随着信号质量的增加而增加，并且存在观察一个额外信号的正信息值。第二个假设是，当θ收缩为零时，参与者的平均值等于相应的贝叶斯后验概率θ信息设置。总体而言，置信误差模型预测，最优保留价格在第一阶段区间[0]的后验置信值增加，但在区间[1]的后验置信值减少，这表明附加信息。模型我们发现，关于他人信念错误的平均一阶信念θ远高于平均信念错误γ。额外的广义似然比测试证实了这种差异。我们的测试拒绝了“θ=0”而支持“θ>0”，这表明对他人信念错误的虚假考虑导致了私人信息和社会信息的保留价格差距。此外，一些实验研究（Bohm et al.1997；Plott and Zeiler 2005；Cason and Plott 2014）显示的假设可能对随机生成的数字的界限选择敏感，参与者可能会有保留价格。

尽管如此，这种担忧不应对我们的主要差距发现产生负面影响，我们也应采取类似措施。参与者对他人信念错误的信念没有超过实际平均信念错误，即“θ6”γ，也被拒绝，这表明夸大他人的信念错误也会导致保留价格的差距。安德森和霍尔特（1997）。随后的实验研究修改了基线设计，并研究了偏离贝叶斯均衡路径的系统选择行为。在这些研究中，N"oth和Weber（2003年）、切伦和卡里夫（2004年）以及Goree等人（2007年）对13个社会学习实验进行了元分析，并发现在经验最佳行为与自身信号相矛盾的情况下，参与者不太可能做出最佳选择。尽管如此，将这一结果解释为参与者过度重视私人信息的证据，却因最佳选择的不同幸运度而受到损害。我们的实验设计可以被视为顺序社会学习设计的一个截断版本，只受个体对他人应用贝叶斯定律的一阶信念的影响。我们的论文首先提供了明确的证据，表明个人更重视私人信息而非社会信息，并确定了他们对他人不应用贝叶斯定律的第一顺序信念，从而为这一系列文献做出了贡献。此外，还有一个重新挑战的游戏。

他们收集信念数据，并从模型估计中推断，只有当私有信息与前任的信念相矛盾时，它才会被过度重视。相比之下，我们收集受试者的预约价格数据和选择数据，并提供直接证据，例如，见洪和普洛特（2001）、N"oth和韦伯（2003）、Kübler和Weizs"acker（2004）以及Goree等人（2007）。在任何给定的信息集中，人们可以将最优选择的幸运度定义为最优选择而非次最优选择的预期收益增量，或由于二元选择和标准化收益而选择最优行动的预期收益。在荟萃分析中，该值等于包含特定信息集的所有决策轮中有利于最佳行动的潜在真实状态的决策轮的分数。然后，遵循一个信号是经验最优的情况对应于一个信息集，在这个信息集中，有利于自己信号的潜在真实状态的决策轮的分数大于一半。与自己的信号相矛盾的情况在经验上是最优的，这对应于一个信息集，在该信息集中，前一种情况下的分数平均大于后一种情况下的分数。

因此，Weizs"acker（2010）关于参与者对激励做出反应的结论表明，参与者更不愿意改变自己的信号，可能是因为激励较小，而不是他们对私有信息的过度重视。Dominitz和Hung（2009）还在一个程式化的信息级联实验中收集受试者的信念数据，并发现私人信息并没有被过度重视。私人信息比社会信息更重要。我们的论文也与非贝叶斯社会学习模型相关。大多数情况下，非贝叶斯社会学习模型的动机是随意观察到社会网络往往过于复杂；因此，有界理性个体可能无法基于社会非贝叶斯方式进行贝叶斯推理。在这些非贝叶斯模型中，最新的是Molavi等人（2018年），假设个人以贝叶斯方式处理私人信息，这被视为他们之间的共同知识。一类置信误差模型侧重于对一阶置信假设的基本偏差，并适用于网络结构非常简单的社会学习环境。在此之前，我们的论文应被视为对非贝叶斯社会学习模型现有工作的补充。制作研究表明，在许多个体决策环境中，个体系统地偏离了贝叶斯更新范式。已经通过两种典型的方法提出了与贝叶斯更新有一定偏差的替代模型。在第一种方法中，非贝叶斯描述模型被形式化，以描述个体对信号产生过程或信号的误解（Barberis等人，1998年；Rabin，2002年；Rabin和Schrag，1999年；Rabin和Vayanos，2010年）。

Inand适用于先验概率是主观确定的，甚至是在出现新的观测时进行调整的情况（Epstein，2006；Epstein等人，2008；难以与上述非贝叶斯决策模型相协调的发现，例如信号质量和做出贝叶斯选择的频率之间的单调关系。见Bala和Goyal（1998），拉宾和瓦亚诺斯（2010年）、瓜里诺和杰希尔（2013年）、埃斯特和拉宾（2010年、2014年）以及博伦（2016年）等。例如，参见Tversky和Kahneman（1974年）、Holt和Smith（2009年）以及Camerer（1995年）、Rabin（1998年）和Camerer和Loewenstein（2004年）的调查。代理人的后验信念是贝叶斯后验概率和先验概率的线性加权和。最后，本文与随机二元选择模型的文献有关。随机二元选择的非经典模型是布拉德利和特里（1952）首次提出的罗吉特模型。logit模型通常假设，个体在已知的情况下会以最佳方式做出确定性的选择，但从观察者的角度来看，他们的假设是，个体评估选择的回报时会有一些噪音，或者存在个体特定的偏好冲击，而观察者对此一无所知。与支付扰动基金会相比，Mat Kay-Ekka和McKay.（2015）为Logit模型提供了一个合理的不注意的基础。他们表明，当个体内生性地决定他们对选择的回报的学习时，最优信息和选择策略自然意味着逻辑选择规则。在第5节中，将Logit模型应用到我们的设置中是不合适的。

相反，我们提出了一种新的信念误差模型来生成随机后验信念，这与logit模型中假设可加分离误差项的典型方法不同。论文的其余部分如下。第2节介绍了我们社交学习游戏的贝叶斯基准模型。第3节和第4节报告使用最大似然估计对模型参数进行实验估计。最后，第6节得出结论。2.贝叶斯基准模型在基准模型中，我们假设贝叶斯代理对世界状态有一个共同的先验信念，即状态1和状态2以概率发生。每个代理都需要做出一个二元行动决策，其回报取决于潜在状态。2在状态1中提供0的回报，在状态2中提供1的回报。独立信号{sn}n≥0，wheresn∈ {B，W}，提供有关基础状态的不完整信息。我们假设信号结构是对称的，即P（sn=B |状态1）=P（sn=W |状态2）=pandP（sn=W |状态1）=P（sn=B |状态2）=q≡ 1.- p、 我们还假设p>。有了这些数据。CAPLIN和Dean（2015）也为代理人的随机选择提供了一个不合理的基础，而没有对信息成本的函数形式提出具体的假设。在私有信息设置中，代理被赋予私有信号。在实现s的条件下，她在两个行动之间做出第一选择，并可能有权做出第二选择。社会信息设置几乎是相同的，但在观察信号s的独立实现后进行的设置除外。在观察信号A=W后，ps=Band isqa。